CSSSplitter 技术文档
1. 安装指南
在 Rails 3.1+ 应用中使用 Asset Pipeline 时,若遇到 IE 浏览器样式表选择器超过 4095 的限制,可以使用 CSSSplitter 进行样式表的拆分。要安装 CSSSplitter,只需在 Gemfile 中添加以下代码:
gem 'css_splitter'
然后执行 bundle install 命令安装依赖。
2. 项目的使用说明
CSSSplitter 能够与 Rails 3.1+ 的 Asset Pipeline 集成,自动生成超过 4095 选择器的额外拆分样式表,以确保在旧版 IE 浏览器中能够正确应用所有样式。
拆分样式表
首先,需要确定哪些样式表超过了 4095 选择器的限制。对于需要拆分的样式表,创建一个新的文件,文件名在原文件名后添加 _splitN 后缀,文件扩展名为 .css。
例如,对于 too_big_stylesheet.css.scss,需要创建一个新文件 too_big_stylesheet_split2.css,并在该文件中添加以下内容:
/*
*= require 'too_big_stylesheet'
*/
如果样式表非常大,需要进一步拆分,可以创建 _split3、_split4 等文件,这些文件的内容应与 _split2 文件相同。
同时,确保将这些新文件添加到 Asset Pipeline 的预编译列表中:
# config/application.rb
module MyApp
class Application < Rails::Application
config.assets.precompile += %w( too_big_stylesheet_split2.css )
end
end
包括拆分的样式表
在完成样式表的拆分后,需要修改 HTML 布局,以确保旧版 IE(IE9 及以下版本)使用拆分的样式表。
可以使用 split_stylesheet_link_tag 助手来实现,例如:
# app/views/layout/application.html.erb
<%= split_stylesheet_link_tag "too_big_stylesheet", :media => "all" %>
如果样式表被拆分为多个文件,可以使用 split_count 选项指定文件总数:
<%= split_stylesheet_link_tag "too_big_stylesheet", :split_count => 3 %>
或者,手动创建类似的 HTML 代码。
3. 项目API使用文档
CSSSplitter 提供了 split_stylesheet_link_tag 助手,用于生成包含拆分样式表的 HTML 链接标签。
使用方式如下:
<%= split_stylesheet_link_tag "stylesheet_name", options = {} %>
其中 options 可以包含以下参数:
:media:指定样式表的媒体类型。:split_count:当样式表被拆分为多个文件时,指定文件的总数。
4. 项目安装方式
如安装指南所述,通过将 gem 'css_splitter' 添加到 Gemfile 中,然后运行 bundle install 来安装 CSSSplitter。
确保将 split_stylesheet_link_tag 助手用于 Rails 应用的布局文件中,并且将拆分的样式表文件添加到预编译列表中。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00