Statamic多语言站点中获取本地化数量的正确方法
2025-06-14 06:48:31作者:郦嵘贵Just
在Statamic CMS开发多语言站点时,开发者经常需要获取当前页面的本地化版本数量。本文深入探讨了在Blade模板中正确使用locales:count标签的方法,并解释了背后的技术原理。
问题背景
当使用Statamic的Blade模板开发多语言站点时,开发者可能会遇到以下情况:
- 使用Antlers组件语法
<s:locales:count />可以正常工作 - 但使用Fluent Tags语法
Statamic::tag('locales:count')却返回0 - 类似的
@tags('locales')也无法正常工作
技术原理分析
这种现象的根本原因在于上下文(Context)的传递机制不同:
- Antlers组件会自动继承当前模板的上下文,包括当前页面/条目的ID
- Fluent Tags默认不会自动获取上下文,需要手动指定目标ID
- 因此,当使用Fluent Tags时,系统无法确定要查询哪个条目的本地化版本
解决方案
方法一:使用Antlers组件语法(推荐)
<s:locales:count /> {# 获取包含当前语言在内的所有本地化数量 #}
<s:locales:count self="false" /> {# 获取不包括当前语言的其他本地化数量 #}
这是最简单直接的方法,推荐在大多数情况下使用。
方法二:使用Fluent Tags并指定ID
当需要在Blade中进行更复杂的逻辑处理时,可以使用Fluent Tags语法,但必须显式指定目标ID:
{{ Statamic::tag('locales:count')->id($id) }}
其中$id应该是当前页面或条目的ID变量。
最佳实践建议
- 简单场景:优先使用Antlers组件语法,代码更简洁
- 复杂逻辑:当需要在Blade中进行变量赋值或其他处理时,使用Fluent Tags并确保传递ID
- IDE兼容性:如果IDE对Antlers语法支持不佳,可以考虑在Blade中使用
@antlers指令包裹Antlers代码
技术要点总结
- Statamic的本地化功能依赖于上下文环境
- 不同语法获取上下文的方式不同
- 理解上下文传递机制是解决问题的关键
- 在Blade模板中混合使用Antlers和PHP逻辑时需要注意上下文隔离
通过理解这些原理,开发者可以更灵活地在Statamic项目中实现多语言功能。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.83 K
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
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
12
1
暂无简介
Dart
798
197
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
779
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
349
200
Ascend Extension for PyTorch
Python
377
447
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
16
1