Statamic CMS 国际化:如何翻译默认字典数据
2025-06-14 20:22:01作者:裘晴惠Vivianne
在Statamic CMS内容管理系统中,当用户使用非英语界面时,系统内置的预设字典(如国家列表和货币列表)的标签仍然显示为英文。本文将探讨如何为这些预设字典实现多语言支持。
问题背景
Statamic CMS的字典字段类型允许用户选择预设数据,如国家列表和货币列表。然而,这些数据的标签目前仅提供英文版本,当后台界面切换到其他语言时,标签不会自动翻译,影响非英语用户的使用体验。
解决方案设计
翻译文件结构
建议采用模块化的翻译文件结构,将字典翻译与常规界面翻译分离:
- 为每种语言创建专门的字典翻译文件
- 按照字典类型分类存储(国家、货币等)
- 使用标准化的命名空间(如
statamic::dictionary-{type})
实现示例
以国家字典为例,翻译文件可设计如下:
// resources/lang/{locale}/dictionary-countries.php
return [
'regions' => [
'africa' => '非洲',
'americas' => '美洲',
// 其他大洲翻译...
],
'subregions' => [
'southern_asia' => '南亚',
// 其他子区域翻译...
],
'names' => [
'AFG' => '某国',
// 其他国家名称翻译...
],
];
字典数据调用
在字典数据类中,通过Laravel的翻译函数动态获取对应语言的标签:
protected function getItems(): array
{
return [
[
'name' => __('statamic::dictionary-countries.names.AFG'),
'iso3' => 'AFG',
'iso2' => 'AF',
'region' => __('statamic::dictionary-countries.regions.asia'),
'subregion' => __('statamic::dictionary-countries.subregions.southern_asia'),
'emoji' => '🇦🇫'
],
// 其他国家的数据...
];
}
技术考量
- 性能优化:翻译结果会被Laravel自动缓存,不会影响性能
- 维护性:翻译文件与代码逻辑分离,便于后期维护和更新
- 扩展性:此方案可轻松扩展到其他类型的预设字典
- 兼容性:完全兼容Statamic现有的国际化机制
实施建议
- 优先翻译常用字典(国家、货币)
- 保持翻译键名与原始数据一致
- 为每种语言提供完整的翻译文件
- 考虑使用自动化工具辅助翻译过程
通过这种结构化、模块化的翻译方案,可以显著提升Statamic CMS在多语言环境下的用户体验,同时保持代码的整洁和可维护性。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
26
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
422
3.25 K
Ascend Extension for PyTorch
Python
230
261
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++
689
331
暂无简介
Dart
686
160
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
React Native鸿蒙化仓库
JavaScript
266
326
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
🎉 (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
1.22 K
666
仓颉编译器源码及 cjdb 调试工具。
C++
136
869