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。
kernelopenEuler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。C0100
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00