Thinreports Generator 技术文档
2024-12-26 16:34:22作者:董宙帆
Thinreports Generator 是一个用于生成 PDF 的 Ruby 库,支持通过模板文件动态生成 PDF 文档。本文将详细介绍如何安装、使用 Thinreports Generator,并对其 API 进行说明。
1. 安装指南
1.1 环境要求
- Ruby 3.0, 3.1, 3.2, 3.3
- Prawn 2.4+
1.2 安装方式
通过 Bundler 安装
在您的应用程序的 Gemfile 中添加以下行:
gem 'thinreports'
然后执行以下命令进行安装:
$ bundle install
手动安装
您也可以通过以下命令手动安装 Thinreports:
$ gem install thinreports
2. 使用说明
2.1 快速开始
首先,您需要了解 Thinreports 的基本概念和功能。Thinreports 提供了两种模板格式:基本格式(Basic Format)和分段格式(Section Format)。您可以通过 Thinreports Basic Editor 创建模板文件(.tlf),然后使用 Thinreports Generator 动态生成 PDF。
2.2 基本格式使用示例
以下是一个使用基本格式生成 PDF 的示例:
require 'thinreports'
report = Thinreports::Report.new layout: 'report.tlf'
report.start_new_page do
item(:title).value('Thinreports')
end
report.generate(filename: 'report.pdf')
2.3 多布局使用
您可以在一个报告中同时使用多个布局:
report = Thinreports::Report.new
report.use_layout '/path/to/default.tlf', default: true
report.use_layout '/path/to/other1.tlf', id: :other
report.start_new_page do |page|
# 使用默认布局
end
report.start_new_page layout: :other do |page|
# 使用其他布局
end
2.4 回调函数
您可以在生成 PDF 时使用回调函数:
report = Thinreports::Report.new layout: 'foo.tlf'
report.on_page_create do |page|
page.item(:text).value('所有页面的文本')
end
2.5 列表功能
Thinreports 支持在 PDF 中生成列表:
report = Thinreports::Report.new layout: 'list.tlf'
report.list.header do |header|
header.item(:text_block).value('标题')
end
10.times do |n|
report.list.add_row do |row|
row.item(:text_block).value(n)
end
end
report.generate(filename: 'list.pdf')
2.6 页码设置
您可以自定义页码的起始值和样式:
report.start_page_number_from 5
report.start_new_page do |page|
page.item(:pageno).styles(color: 'red', bold: true)
end
3. API 使用文档
3.1 报告和页面
Thinreports::Report.new(layout: 'template.tlf'):创建一个新的报告实例。report.start_new_page:开始一个新页面。report.pages:返回所有页面。report.page_count:返回页面数量。
3.2 文本块和图像块
page.item(:text_block).value('文本'):设置文本块的值。page.item(:image_block).src('/path/to/image.png'):设置图像块的源文件。
3.3 样式设置
page.item(:text).style(:color, 'red'):设置文本颜色。page.item(:text).style(:bold, true):设置文本加粗。
3.4 批量设置
page.values text_block_a: 'value', text_block_b: 'value':批量设置多个文本块的值。page.item(:text).styles(color: '#00000', align: :right):批量设置文本样式。
4. 项目安装方式
4.1 通过 Docker 进行开发
您可以使用 Docker 容器进行开发,容器中包含了测试所需的库,如 diff-pdf。
$ docker pull ghcr.io/hidakatsuya/ruby-with-diff-pdf:latest
$ docker run -v $PWD:/src:cached -it ghcr.io/hidakatsuya/ruby-with-diff-pdf bash
> /src#
在容器中运行测试:
> /src# bundle install
> /src# bundle exec rake test
4.2 发布流程
- 更新
version.rb中的版本号。 - 更新
CHANGELOG.md和README.md(如有需要)。 - 创建发布 PR。
- 合并 PR。
- 确保主 CI 通过。
- 运行
bundle exec rake release,该命令将创建版本标签,推送提交和标签,并将.gem文件推送到 rubygems.org。
5. 总结
Thinreports Generator 是一个功能强大的 Ruby 库,能够通过模板文件动态生成 PDF 文档。本文详细介绍了其安装、使用方法和 API 文档,帮助您快速上手并高效使用该工具。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
663
152
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++
659
297
Ascend Extension for PyTorch
Python
216
235
React Native鸿蒙化仓库
JavaScript
254
320
仓颉编译器源码及 cjdb 调试工具。
C++
132
866
仓颉编程语言运行时与标准库。
Cangjie
139
874
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
🎉 (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
1.18 K
648
仓颉编程语言开发者文档。
59
818