推荐开源项目:reading_time — 智能阅读时间估计器
在信息爆炸的时代,估算一篇文章的阅读时间成为了提升用户体验的关键。这便是reading_time的作用所在。这是一个基于Liquid模板语言的过滤器插件,能够智能地计算HTML文本中的单词数量,并预测阅读完整篇文章所需的时间。
安装与使用
安装reading_time非常简单,只需要通过RubyGems运行命令gem install liquid_reading_time。如果你正在使用Jekyll,可参照Jekyll文档来安装插件。这个插件依赖于Nokogiri,因此手动安装时别忘了添加这个依赖。
在实际使用中,你可以利用两个提供的函数:
-
reading_time这个函数会返回一个整数,表示阅读输入文本所需的分钟数。例如,在Jekyll的布局文件中,可以这样使用:{% capture time %}{{ content | reading_time }}{% endcapture %} <p>这篇文章大约需要{{ time }}分钟阅读。</p>结合pluralize过滤器,还可以处理单复数形式:
<p>这篇文章大约需要{{ content | reading_time | pluralize: "分钟" }}阅读。</p> -
count_words此函数则返回输入文本中的单词总数,同样接受HTML作为输入。
精准计时与智能忽略
reading_time和count_words都试图以最聪明的方式计算单词。它们不会在以下HTML元素内部计数:area, audio, canvas, code, embed, footer, form, img, map, math, nav, object, pre, script, svg, table, track, 和 video。这种设计旨在避免那些非正文部分的词汇影响到总数。
该插件默认的阅读速度为每分钟270个单词,这个值基于一般人的阅读速率。
作者与版本历史
该项目由Benjamin Esham创建,并托管在GitHub上,欢迎提交Pull Request。
版本更新
- v1.1.3 (2017-07-19): 更新了依赖,表明插件兼容Liquid 4。
- v1.1.2 (2015-03-07): 改进了单词分割规则,增加了单元测试,并支持Liquid 3.x。
- 更多版本信息,请参考项目仓库的历史记录。
许可证
reading_time遵循ISC许可证,详细信息可在LICENSE.md文件中查看。
总之,无论你是个人博客作者还是企业网站开发者,reading_time都是一个值得采用的工具,它将帮助你的读者更好地管理他们的时间,提高他们的浏览体验。现在就尝试集成并享受更智能的阅读统计吧!
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00