Symfony Webpack Encore 中如何为第三方应用提供静态JS文件
在实际开发中,我们经常会遇到需要将Webpack Encore构建的JS文件提供给第三方应用使用的情况。与常规的Symfony应用不同,第三方应用无法直接使用encore_entry_script_tags这样的Twig函数来加载资源。本文将详细介绍两种解决方案。
方案一:简化构建输出
第一种方案是通过调整Encore配置,生成简单的单文件输出:
-
禁用代码分割
在webpack.config.js中移除splitEntryChunks()调用,确保每个entrypoint只生成单个JS文件。 -
禁用资源版本控制
通过.disableSingleRuntimeChunk()和.configureFilenames()配置,避免在文件名中加入内容哈希。 -
手动缓存控制
由于禁用了版本控制,需要自行处理缓存策略,例如通过查询参数或修改文件名来实现缓存更新。
这种方案的优点是简单直接,适合对缓存要求不高的场景。
方案二:保持高级特性并通过Symfony路由转发
第二种方案更适合需要保持长期缓存能力的场景:
-
保持默认构建配置
继续使用Encore的代码分割和版本控制功能,确保最佳缓存效果。 -
创建路由转发控制器
在Symfony中建立一个控制器,将固定的URL(如/front.js)重定向到实际带哈希版本的文件。 -
动态解析资源路径
在控制器中使用asset()函数或直接读取manifest.json文件,动态获取当前构建的资源路径。
这种方案虽然实现稍复杂,但能同时满足第三方应用简单引用和长期缓存的需求。
最佳实践建议
对于生产环境,推荐采用第二种方案,因为:
- 保持内容哈希带来的缓存优势
- 不影响构建性能优化
- 提供稳定的引用接口给第三方
对于开发或内部使用场景,第一种方案更为简便快捷。无论选择哪种方案,都需要确保第三方应用能够获得稳定的资源访问路径。
通过合理配置Webpack Encore,我们可以灵活地满足各种资源输出需求,既能为Symfony应用服务,也能方便地与其他系统集成。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00