Next.js 国际化插件 `next-i18next` 教程
1. 项目介绍
next-i18next 是一个专门为 Next.js 应用程序设计的国际化(i18n)解决方案。它结合了 i18next 和 react-i18next 的优势,提供简单易用的接口来管理多语言翻译,支持静态站点生成(SSG)和服务器端渲染(SSR),并能够与 JSON 格式的翻译文件无缝集成。
通过 next-i18next,你可以轻松地在 Next.js 应用中同步 locales 和 URLs,实现组件级别的翻译,以及在不同的命名空间之间切换。这个库简化了 Next.js 中的国际化设置,无需额外依赖,即可让你的应用具备生产级的国际支持。
2. 项目快速启动
安装
首先,确保已经安装了 Next.js。然后,在你的项目根目录中,通过 npm 或 yarn 添加 next-i18next:
npm install next-i18next i18next react-i18next
# 或者
yarn add next-i18next i18next react-i18next
配置
创建一个名为 next-i18next.config.js 的配置文件:
module.exports = {
i18n: {
locales: ['en', 'de'],
defaultLocale: 'en',
},
};
初始化
在你的 pages/_app.js 文件中引入 appWithTranslation 高阶组件(HOC):
import { appWithTranslation } from 'next-i18next';
const MyApp = ({ Component, pageProps }) => (
<Component {...pageProps} />
);
export default appWithTranslation(MyApp);
使用翻译
现在,可以在页面或组件中使用 t 函数进行翻译:
import { useTranslation } from 'next-i18next';
function HomePage() {
const { t } = useTranslation();
return <h1>{t('hello-world')}</h1>;
}
export default HomePage;
翻译文件
在 public/locales 目录下创建对应的 locales 文件夹,例如 public/locales/en/translation.json 和 public/locales/de/translation.json,然后添加翻译内容:
// public/locales/en/translation.json
{
"hello-world": "Hello, World!"
}
// public/locales/de/translation.json
{
"hello-world": "Hallo Welt!"
}
3. 应用案例和最佳实践
-
使用
serverSideTranslations在 SSR 或 SSG 时预加载语言包:import { serverSideTranslations } from 'next-i18next/serverSideTranslations'; export async function getServerSideProps({ locale }) { const translatedPages = await serverSideTranslations(locale, ['common']); return { props: translatedPages }; } -
基于 URL 路径自动选择语言:
可以设置
next-i18next.config.js中的path字段,让 Next.js 自动从 URL 中解析出语言。 -
将翻译内容分离到单独的组件或上下文,以便更好地管理和维护。
-
利用 i18next 提供的特性如 Plurals、Interpolation 和 Nesting 来处理复杂场景。
4. 典型生态项目
- i18next: 核心国际化库,提供基础的翻译功能。
- react-i18next: 用于 React 的 i18next 绑定,简化 React 中的翻译使用。
- next-i18next: 专为 Next.js 设计的封装库,简化 Next.js 应用的国际化配置。
更多示例和详细信息可参考官方文档和 GitHub 示例项目:
希望本教程对你在 Next.js 中实现国际化有所帮助!如果你遇到任何问题,欢迎查看官方文档或者在社区寻求帮助。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0194
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0121
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook06