Apache FreeMarker™ 技术文档
1. 安装指南
使用 Maven 安装
如果你使用 Maven 进行项目管理,只需在 pom.xml 文件中添加以下依赖:
<dependency>
<groupId>org.freemarker</groupId>
<artifactId>freemarker-gae</artifactId>
<version>{version}</version>
</dependency>
注意:确保没有其他依赖项引入旧版本的 freemarker(groupId 为 freemarker 而不是 org.freemarker),否则可能会导致运行时行为不可预测。
手动安装
如果不使用 Maven,可以直接将 freemarker.jar 文件复制到你的 Java 应用程序的 ClassLoader 可以找到的位置。例如,如果你在 Web 应用程序中使用 FreeMarker,可以将 freemarker.jar 放入 WEB-INF/lib 目录。
FreeMarker 没有强制依赖项,但有一些可选依赖项。通常情况下,你不需要处理这些依赖项,除非你使用了某些需要特定库的特性。
升级到 OpenJDK 9 或更高版本
如果你升级到 OpenJDK 9 或更高版本,并且你在模板中使用 XPath 查询,你需要添加 Apache Xalan 作为依赖项,因为 freemarker.ext.dom 无法再使用 OpenJDK 内置的 XPath 支持。
2. 项目的使用说明
什么是 Apache FreeMarker™?
Apache FreeMarker™ 是一个“模板引擎”,它是一个通用的工具,用于基于模板生成文本输出(从 HTML 到自动生成的源代码)。它是一个 Java 包,供 Java 程序员使用的类库。它本身并不是一个面向最终用户的应用程序,而是程序员可以嵌入到其产品中的工具。FreeMarker 的设计目的是为基于 MVC(模型视图控制器)模式的 servlet 应用程序生成 HTML Web 页面。
使用场景
FreeMarker 通常用于以下场景:
- 生成动态 HTML 页面。
- 生成电子邮件模板。
- 生成源代码、配置文件等。
3. 项目 API 使用文档
基本用法
FreeMarker 的核心 API 主要包括 Configuration 和 Template 类。以下是一个简单的示例,展示如何使用 FreeMarker 生成 HTML 输出:
import freemarker.template.Configuration;
import freemarker.template.Template;
import freemarker.template.TemplateExceptionHandler;
import java.io.File;
import java.io.OutputStreamWriter;
import java.io.Writer;
import java.util.HashMap;
import java.util.Map;
public class FreeMarkerExample {
public static void main(String[] args) throws Exception {
// 创建配置实例
Configuration cfg = new Configuration(Configuration.VERSION_2_3_31);
// 指定模板文件的位置
cfg.setDirectoryForTemplateLoading(new File("templates/"));
// 设置异常处理方式
cfg.setTemplateExceptionHandler(TemplateExceptionHandler.RETHROW_HANDLER);
// 获取模板
Template temp = cfg.getTemplate("example.ftl");
// 创建数据模型
Map<String, Object> root = new HashMap<>();
root.put("message", "Hello, FreeMarker!");
// 合并模板和数据模型
Writer out = new OutputStreamWriter(System.out);
temp.process(root, out);
}
}
模板示例
以下是一个简单的 FreeMarker 模板文件 example.ftl:
<!DOCTYPE html>
<html>
<head>
<title>FreeMarker Example</title>
</head>
<body>
<h1>${message}</h1>
</body>
</html>
常用 API
Configuration:用于配置 FreeMarker 的全局设置。Template:表示一个模板文件。TemplateExceptionHandler:用于处理模板解析和执行过程中的异常。
4. 项目安装方式
通过 Maven 安装
如前所述,通过在 pom.xml 中添加依赖项来安装 FreeMarker。
手动安装
将 freemarker.jar 文件复制到你的项目中,并确保它位于 ClassLoader 可以找到的路径中。
构建 FreeMarker
如果你需要从源码构建 FreeMarker,可以按照以下步骤进行:
- 下载源码发布包或从源码仓库中检出 FreeMarker。
- 确保你安装了 JDK 8、JDK 16 和 JDK 17(仅用于某些测试)。
- 在项目根目录下运行
./gradlew jar(Windows 上运行gradlew.bat jar)来构建freemarker.jar。
IDE 设置
IntelliJ IDEA
- 打开项目:选择
settings.gradle.kts文件。 - 配置 Gradle:确保 Gradle JVM 设置为 JDK 17 或更高版本。
- 导入代码风格和检查配置。
Eclipse
- 将项目作为 Gradle 项目导入。
- 配置 Java 编译器和代码格式化器。
通过以上步骤,你可以顺利安装、使用和构建 Apache FreeMarker™ 项目。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00