Uglifier 技术文档
2024-12-20 17:47:12作者:宣利权Counsellor
以下是对 Uglifier 项目的技术文档,帮助用户安装、使用以及理解项目 API。
1. 安装指南
Uglifier 是一个 Ruby 的 Gem 包,可以通过以下命令安装:
$ gem install uglifier
确保您的环境中安装了一个 JavaScript 解释器,该解释器被 ExecJS 支持。如果没有现成的运行时环境,使用 therubyracer Gem 是一个安全的选择。请注意,虽然 Windows 7 及更早版本内置的 JScript 可以工作,但速度非常慢。
2. 项目使用说明
在 Rails 项目中使用 Uglifier 时,可以在 config/environments/production.rb 文件中替换以下配置:
config.assets.js_compressor = :uglifier
为:
config.assets.js_compressor = Uglifier.new(harmony: true)
使用 Uglifier 的基本方法如下:
require 'uglifier'
Uglifier.new.compile(File.read("source.js"))
# => 压缩后的 js 文件内容
或者:
Uglifier.compile(File.read("source.js"))
Uglifier 也支持生成源地图(source maps):
uglified, source_map = Uglifier.new.compile_with_map(source)
初始化 UglifyJS 时,可以通过传递选项来调整 UglifyJS 的行为。例如,如果想要禁用变量名混淆:
Uglifier.new(:mangle => false).compile(source)
# 或者
Uglifier.compile(source, :mangle => false)
3. 项目 API 使用文档
Uglifier 提供了以下 API:
Uglifier.new(options):创建一个新的 Uglifier 实例,其中options是一个包含配置选项的哈希。Uglifier.compile(source):直接压缩一个 JavaScript 文件内容。Uglifier.compile_with_map(source):压缩 JavaScript 文件内容并生成源地图。
以下是一些可用的配置选项:
:ascii_only:转义非 ASCII 字符。:comments:保留注释。:inline_script:转义字符串中的</script。:quote_keys:在对象字面量中引用键名。:max_line_len:压缩代码的最大行长度。:harmony:启用 ES6/Harmony 模式。
更多配置选项请参考项目 README 文件。
4. 项目安装方式
Uglifier 的安装方式是通过 Ruby 的 Gem 包管理器。确保您的环境中已经安装了 Ruby 和 Gem,然后使用以下命令安装 Uglifier:
$ gem install uglifier
安装完成后,您可以在 Ruby 项目中引入和使用 Uglifier。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
317
2.74 K
仓颉编译器源码及 cjdb 调试工具。
C++
124
852
Ascend Extension for PyTorch
Python
155
178
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++
639
246
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
241
85
暂无简介
Dart
606
136
React Native鸿蒙化仓库
JavaScript
239
310
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
470
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
364
3.02 K