Yomitan 扩展中实现动态切换日语假名注音显示的技术方案
背景介绍
Yomitan 是一款功能强大的日语学习工具,它能够为日语文本提供假名注音(furigana)支持。在实际使用过程中,部分高级学习者可能希望暂时隐藏这些注音,以便更好地测试自己的阅读能力。本文将详细介绍如何在 Yomitan 中通过 CSS 实现动态显示/隐藏假名注音的功能。
技术实现原理
Yomitan 的假名注音功能是通过 HTML 的 <ruby> 标签实现的。在 HTML 结构中,每个需要注音的汉字或词汇都会被包裹在 <ruby> 标签中,其中汉字本身是主文本(<rb>),而注音则是位于上方的假名(<rt>)。
通过分析 Yomitan 的 DOM 结构,我们发现:
- 主词汇的注音使用
.gloss-sc-rt类 - 例句中的注音也使用相同的类名
CSS 解决方案
要实现动态显示/隐藏假名注音,我们可以利用 CSS 的 :hover 伪类和 visibility 属性。以下是完整的 CSS 代码:
/* 默认隐藏所有假名注音 */
.gloss-sc-rt {
visibility: hidden;
}
/* 当鼠标悬停在注音词汇上时显示该词汇的注音 */
.gloss-sc-ruby:hover .gloss-sc-rt {
visibility: visible;
}
/* 确保相邻词汇的注音也能同时显示 */
.gloss-sc-ruby:hover ~ .gloss-sc-ruby .gloss-sc-rt {
visibility: visible;
}
实现效果说明
- 初始状态:所有假名注音都会被隐藏
- 悬停状态:当鼠标悬停在某个词汇上时:
- 该词汇的假名注音会显示
- 同一句子中相邻词汇的假名注音也会同时显示
- 离开状态:鼠标移开后,所有假名注音恢复隐藏状态
在 Yomitan 中的配置方法
- 打开 Yomitan 设置页面
- 找到"Popup CSS"设置项
- 将上述 CSS 代码粘贴到输入框中
- 保存设置
技术要点解析
-
visibility vs display:使用
visibility: hidden而非display: none是为了保持页面布局稳定,避免元素隐藏/显示时造成的页面跳动。 -
相邻选择器:
~选择器用于匹配同一父元素下的后续兄弟元素,确保当鼠标悬停在句子开头的词汇上时,整个句子的注音都能显示。 -
特异性控制:通过类选择器确保样式只作用于 Yomitan 的注音元素,不会影响页面其他部分的
<ruby>标签。
扩展应用
这一技术方案不仅适用于 Yomitan 的例句部分,同样可以应用于主词汇的假名注音。通过适当调整 CSS 选择器,可以实现更精细的控制,例如:
- 单独控制主词汇和例句的注音显示
- 添加过渡动画效果
- 根据用户偏好持久化显示/隐藏状态
总结
通过简单的 CSS 技巧,我们实现了 Yomitan 中假名注音的动态显示功能。这种非侵入式的解决方案既保留了原有功能,又增加了使用灵活性,特别适合不同学习阶段的日语学习者。这种基于 CSS 的界面定制方法也展示了现代 Web 技术的强大可扩展性。
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