TypeDoc项目实现无侧边栏API文档输出的技术方案
2025-05-29 22:05:20作者:毕习沙Eudora
在TypeDoc文档生成工具的实际应用中,有时我们需要将API文档嵌入到其他页面中展示,这时往往希望隐藏侧边栏等导航元素,只保留核心内容。本文将详细介绍如何在TypeDoc中实现这一需求。
需求背景
在技术文档开发中,我们经常需要将API参考文档集成到主文档系统中。例如,在讨论某个类时,希望直接将该类的定义嵌入到页面中,而不显示整个文档站点的导航结构。这种"纯净"的API文档输出方式有助于保持主文档的连贯性和专注性。
技术实现方案
TypeDoc本身不提供直接隐藏侧边栏的配置选项,但我们可以通过以下两种方式实现这一需求:
方案一:自定义主题(推荐用于单一输出模式)
通过创建自定义主题来覆盖默认的导航和侧边栏渲染方法:
- 继承默认主题并重写相关方法
- 在
navigation和pageSidebar方法中返回空内容 - 调整布局样式以适配单栏显示
这种方案适合只需要单一输出模式的场景,实现较为彻底且性能更优。
方案二:动态切换方案(推荐需要两种模式的场景)
对于既需要完整文档又需要纯净API输出的场景,可以采用动态切换方案:
- 添加查询参数检测脚本:通过插件注入JavaScript代码,检测URL中的特定参数
- 设置文档状态标记:当检测到参数时,在文档根元素上设置自定义属性
- 编写条件样式:基于自定义属性控制不同元素的显示/隐藏
具体实现代码如下:
插件脚本:
const { JSX } = require("typedoc");
exports.load = function load(app) {
app.renderer.hooks.on("head.begin", () => {
return JSX.createElement("script", null,
JSX.createElement(JSX.Raw, {
html: `const urlParams = new URLSearchParams(window.location.search);
if (urlParams.get('sidebars') === 'false') {
document.documentElement.setAttribute('data-sidebars', 'false');
}`
}))
});
}
CSS样式:
html[data-sidebars='false'] .tsd-page-toolbar {
display:none;
}
html[data-sidebars='false'] .col-sidebar {
display:none;
}
html[data-sidebars='false'] .container-main {
grid-template-columns: minmax(0, 100vw);
grid-template-areas:
"content";
}
使用方式
配置完成后,可以通过以下方式生成文档:
npx typedoc --plugin my-plugin.js --customCss my-css.css [其他参数]
访问文档时:
- 完整文档:直接访问页面URL
- 纯净API输出:在URL后添加
?sidebars=false参数
方案比较与选择建议
-
自定义主题方案:
- 优点:性能更好,实现更彻底
- 缺点:需要维护两套文档输出
- 适用场景:只需要纯净API输出的情况
-
动态切换方案:
- 优点:一套文档支持两种查看模式
- 缺点:需要加载额外脚本和样式
- 适用场景:需要同时支持两种查看模式的场景
扩展思考
这种技术方案不仅适用于TypeDoc,类似的思路也可以应用于其他文档生成工具。关键在于理解文档生成工具提供的扩展机制,以及如何利用前端技术实现动态样式切换。
对于更复杂的需求,还可以考虑:
- 通过iframe参数自动控制显示模式
- 添加打印样式优化打印输出
- 集成到文档构建流程中自动生成两种版本
通过这种灵活的文档展示控制,可以显著提升技术文档的用户体验,特别是在将API参考集成到教程和指南文档中的场景。
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
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥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