Mustache 规范项目技术文档
2024-12-20 03:50:21作者:冯梦姬Eddie
1. 安装指南
环境要求
- 操作系统:Windows、macOS 或 Linux
- 解释器:Python 3.x
安装步骤
- 克隆项目仓库到本地环境:
git clone https://github.com/mustache/spec.git - 进入项目目录:
cd spec - 运行以下命令安装依赖:
pip install -r requirements.txt
2. 项目的使用说明
本项目是 Mustache 模板引擎的正式规范,定义了 Mustache 语法解析库的正常使用和边缘情况行为。规范以一系列 YAML 文件的形式开发,存放在 specs 目录下。
版本控制
- 本规范采用语义化版本控制(SemVer),主版本号的变更代表向后不兼容的修改,次版本号的变更代表新增的语言特性且向后兼容,修订版本号的变更代表修复了错误。
- 公共 API 包含
specs目录下的内容和针对该内容的测试算法。
使用建议
- 实现 Mustache 引擎时,应当报告支持的最新的规范版本(主版本号和次版本号)。
- 如果实现支持任何可选模块,应当在版本号后面添加注释说明(例如:"vX.Y, including lambdas" 或 "v.X.Y+λ")。
- 如果实现不支持至少 v1.0.0 版本的规范,建议将其称为 "Mustache-like" 或 "Mustache-inspired"。
3. 项目API使用文档
本项目主要提供 YAML 格式的规范文件,但也提供了 JSON 格式的规范文件,以方便不同语言的使用。
YAML 与 JSON 格式转换
- 如果需要重新生成 JSON 格式的规范文件,可以运行以下命令:
rake build
标记数据处理
- 某些规范文件(特别是 lambda 模块)使用 YAML "tags" 来表示特殊类型的数据(例如:源代码)。由于 JSON 没有办法表示这种标记,因此会注入一个特殊键(
__tag__),其值为标记名称。关于处理标记数据的更多信息,请参考TESTING.md。
可选模块
- 以波浪号(
~)开头的规范文件描述了可选模块。以下是一些可选模块的判断准则:- 不影响语言的核心语法。
- 不显著影响渲染模板的输出。
- 涉及到特定实现语言的功能或数据类型,这些功能或数据类型并非在所有目标语言中都常见或核心。
- 实现不支持该模块不会减少 Mustache 在目标语言中的使用。
4. 项目安装方式
请遵循上述的安装指南进行项目安装。安装过程中需要确保 Python 环境配置正确,并已安装所需的依赖项。
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
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
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++
647
263
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
268
93
暂无简介
Dart
622
140
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
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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