Squirrel输入法自定义序号显示配置指南
2025-06-10 00:22:00作者:廉皓灿Ida
Squirrel输入法作为一款高度可定制的开源输入法框架,为用户提供了丰富的个性化设置选项。其中,菜单项序号的显示方式是一个常见的自定义需求,本文将详细介绍如何通过配置文件实现序号显示的个性化定制。
基础配置方法
在Squirrel输入法的配置文件中,通过menu模块可以控制候选词的显示方式。要实现将第10个序号显示为"0"的效果,最基本的配置方式如下:
menu:
page_size: 10
alternative_select_labels: [1, 2, 3, 4, 5, 6, 7, 8, 9, 0]
这种配置方式直接定义了每个候选词前显示的标签,从1到9保持常规数字,而第10个则显示为0。
配置参数详解
Squirrel提供了两个相关参数来控制序号显示:
page_size:定义每页显示的候选词数量,设置为10表示每页显示10个候选词alternative_select_labels:定义每个候选词前显示的标签符号,可以是数字、特殊符号或任意字符
高级配置技巧
除了简单的数字显示外,用户还可以使用特殊符号或Unicode字符来美化显示效果。例如:
menu:
page_size: 10
alternative_select_labels: [①, ②, ③, ④, ⑤, ⑥, ⑦, ⑧, ⑨, ⓪]
这种配置会使用带圆圈的Unicode数字符号,使界面更加美观。
常见问题解决
在实际配置过程中,可能会遇到以下情况:
- 配置不生效:确保配置项位于正确的层级下,通常在
patch模块内 - 显示异常:检查Unicode字符是否被正确支持
- 按键冲突:如果同时设置了
alternative_select_keys,它会覆盖alternative_select_labels的效果
最佳实践建议
- 保持配置简洁,优先使用
alternative_select_labels实现显示效果 - 如需特殊按键映射,再考虑使用
alternative_select_keys - 修改配置后记得重启输入法服务使更改生效
- 建议备份原始配置文件,便于出现问题时的恢复
通过以上配置,用户可以轻松实现Squirrel输入法候选词序号的个性化显示,满足不同用户的审美和使用习惯需求。
登录后查看全文
热门项目推荐
相关项目推荐
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
Ascend Extension for PyTorch
Python
223
245
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
暂无简介
Dart
672
157
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++
662
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥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
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218