Dunst通知系统进度条样式自定义指南
2025-06-10 08:40:46作者:庞队千Virginia
概述
Dunst作为一款轻量级的Linux桌面通知守护进程,提供了丰富的自定义选项,其中进度条样式配置是一个实用但常被忽视的功能。本文将详细介绍如何通过Dunst配置文件来自定义通知中的进度条外观,包括颜色、尺寸、对齐方式等参数设置。
进度条基础配置
颜色设置
进度条的高亮颜色通过highlight参数控制,这个颜色不仅用于进度条填充部分,还会影响通知中的其他高亮元素。颜色值可以使用标准颜色名称或十六进制代码。
尺寸参数
-
高度控制:
progress_bar_height参数(默认10像素)设置进度条总高度,包含边框在内。注意这个值必须大于两倍的边框宽度。 -
宽度范围:
progress_bar_min_width(默认150像素)设置进度条最小宽度progress_bar_max_width(默认300像素)设置最大宽度 通知窗口会自动调整以适应这些尺寸要求。
边框与圆角样式
边框设置
progress_bar_frame_width参数(默认1像素)控制进度条边框的粗细。要确保这个值小于进度条高度的一半,否则会导致显示异常。
圆角效果
-
圆角半径:通过
progress_bar_corner_radius参数(默认0,即直角)可以设置圆角大小,单位为像素。 -
圆角位置:
progress_bar_corners参数(默认"all")控制哪些角显示为圆角,可选值包括:- "all":所有角
- "top":仅顶部
- "bottom":仅底部
- "left":左侧
- "right":右侧 也可以组合使用,如"top-left bottom-right"等。
对齐方式
progress_bar_horizontal_alignment参数控制进度条的水平对齐方式,可选值:
- "left":左对齐
- "center":居中(默认)
- "right":右对齐
无论选择哪种对齐方式,进度条都会保持与通知边缘的水平间距(由horizontal_padding参数控制)。
实际应用示例
以下是一个完整的进度条样式配置示例:
[global]
highlight = "#FF5733" # 橙色高亮
progress_bar_height = 12
progress_bar_min_width = 100
progress_bar_max_width = 250
progress_bar_frame_width = 2
progress_bar_corner_radius = 5
progress_bar_corners = "top"
progress_bar_horizontal_alignment = "right"
这个配置将产生一个右对齐、顶部圆角、橙色填充的进度条,带有2像素边框和5像素圆角半径。
注意事项
- 修改配置后需要重启Dunst服务使更改生效
- 某些参数之间存在依赖关系,如圆角半径必须大于0才能使圆角位置设置生效
- 进度条样式会应用于所有使用进度条的通知,无法针对单个通知单独设置
通过合理配置这些参数,用户可以创建与桌面主题完美融合的进度条样式,提升视觉一致性和用户体验。
登录后查看全文
热门项目推荐
相关项目推荐
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
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
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
192
212
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
650
270
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
297
111
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
384
3.69 K
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
243
316
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
66
96
暂无简介
Dart
633
143