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。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00