LiquidJS中group_by_exp过滤器对对象输入的处理问题解析
问题背景
在Liquid模板引擎的Jekyll实现中,开发者经常使用group_by_exp过滤器来处理标签和文章的分类统计。一个典型的使用场景是通过标签分组并统计每个标签下的文章数量,这在博客系统中非常常见。
问题现象
在LiquidJS 10.20.0版本中,当开发者尝试直接对类似collections.postsByTag这样的对象使用group_by_exp过滤器时,会遇到输出结果不正确的问题。具体表现为:
{% assign tags_by_size = collections.postsByTag | group_by_exp: 'tag', 'tag[1].size' %}
得到的输出是[ { name: undefined, items: [ [Object] ] } ],这显然不符合预期。而在Jekyll的实现中,同样的代码能够正常工作。
问题分析
这个问题的本质在于LiquidJS对对象类型输入的处理方式。collections.postsByTag通常是一个键值对对象,结构如下:
{
"tag0": [post0, post1],
"tag1": [post1, post2]
}
在Jekyll的实现中,group_by_exp过滤器能够自动将对象转换为可迭代的键值对数组,类似于JavaScript的Object.entries()方法的结果。但在LiquidJS 10.20.0版本中,这一转换没有正确执行。
临时解决方案
在10.20.0版本中,开发者可以通过先使用自定义的entries过滤器将对象转换为键值对数组来解决这个问题:
{% assign tags_by_size = collections.postsByTag | entries | group_by_exp: 'tag', 'tag[1].size' %}
这里的entries过滤器需要自定义实现,其功能等同于JavaScript的Object.entries()。
问题修复
LiquidJS在10.20.1版本中修复了这个问题。现在,开发者可以直接对对象使用group_by_exp过滤器,无需先转换为键值对数组:
{% assign tags_by_size = collections.postsByTag | group_by_exp: 'tag', 'tag[1].size' %}
这个修复使得LiquidJS的行为与Jekyll保持一致,提高了模板代码的可移植性。
技术实现细节
在底层实现上,LiquidJS 10.20.1版本改进了group_by_exp过滤器对对象类型输入的处理逻辑。现在它会:
- 自动检测输入是否为对象
- 如果是对象,则自动将其转换为键值对数组
- 然后对每个键值对应用表达式
这种改进保持了与Jekyll的兼容性,同时提供了更直观的使用体验。
最佳实践
对于需要在不同Liquid实现间移植代码的开发者,建议:
- 明确了解所使用的LiquidJS版本
- 对于10.20.0及以下版本,使用
entries过滤器预处理对象 - 对于10.20.1及以上版本,可以直接使用对象输入
- 在跨平台项目中,考虑添加版本检测逻辑或统一使用兼容性写法
总结
LiquidJS 10.20.1版本对group_by_exp过滤器的改进解决了对象输入处理的问题,使得从Jekyll迁移到Eleventy等基于LiquidJS的项目更加顺畅。这一改进体现了LiquidJS项目对兼容性和开发者体验的重视,也提醒我们在使用开源库时要注意版本差异和兼容性问题。
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-1.5暂无简介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