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。
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
HunyuanVideo-1.5暂无简介00
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