在Zola项目中实现Taxonomy按日期排序的方法
Zola是一个基于Rust的静态网站生成器,它提供了强大的内容管理和模板系统。在Zola中,Taxonomy(分类法)是一种组织内容的有效方式,但默认情况下Taxonomy条目是按照slug排序的。本文将介绍如何在Zola模板中实现Taxonomy按日期排序的功能。
默认Taxonomy排序行为
Zola的Taxonomy系统默认会按照slug对分类条目进行排序。这种排序方式对于简单的分类需求可能已经足够,但对于需要按时间顺序展示内容的场景就显得不够灵活。
在Zola的Rust代码中,TaxonomyTerm结构体定义了分类条目的基本属性,包括名称、slug、路径和包含的页面列表,但不包含日期字段。
实现按日期排序的方法
虽然Zola没有直接提供Taxonomy按日期排序的配置选项,但我们可以通过模板系统实现这一功能。具体来说,可以使用Tera模板引擎提供的sort过滤器对Taxonomy中的页面进行排序。
具体实现步骤
-
首先,在模板文件中找到处理Taxonomy条目的部分,通常是
templates/tags/single.html或类似的模板文件。 -
使用Tera的sort过滤器对Taxonomy中的页面按日期排序。Tera的sort过滤器可以按照指定的属性对数组进行排序。
-
在模板中,修改循环部分,添加排序逻辑:
{% for page in term.pages | sort(attribute="date") %}
{{ page_macros::page_listing(page=page) }}
{% endfor %}
这段代码会对Taxonomy中的页面按照它们的date属性进行升序排序。如果需要降序排序,可以添加reverse参数:
{% for page in term.pages | sort(attribute="date") | reverse %}
{{ page_macros::page_listing(page=page) }}
{% endfor %}
注意事项
-
这种方法只适用于不需要分页的情况。如果需要分页,排序可能会受到影响。
-
确保Taxonomy中的页面都有date属性,否则排序可能不会按预期工作。
-
这种排序是在模板渲染阶段进行的,而不是在内容生成阶段,因此对于大量页面可能会有性能影响。
通过这种方法,我们可以灵活地控制Taxonomy中内容的展示顺序,满足各种不同的内容组织需求。虽然这不是Zola的内置功能,但通过模板系统的强大功能,我们仍然可以实现这一需求。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00