Vitepress 自定义标题锚点符号的两种实现方式
2025-05-16 22:57:27作者:卓艾滢Kingsley
Vitepress 作为基于 Vue 的静态站点生成器,提供了丰富的自定义选项。本文将详细介绍如何修改 Vitepress 中标题旁边的锚点符号(默认为 # 号),帮助开发者实现个性化的文档样式。
核心实现方案
Vitepress 提供了两种主要方式来自定义标题锚点符号:
方法一:通过 CSS 变量覆盖
这是最直接简单的解决方案。Vitepress 使用 CSS 变量 --vp-header-anchor-symbol 来控制锚点符号的显示内容。开发者只需在自定义样式文件中添加以下代码:
:root {
--vp-header-anchor-symbol: '🔗'; /* 可替换为任意符号或文字 */
}
这种方法的优势在于:
- 实现简单,无需额外依赖
- 直接修改全局样式,影响所有标题
- 支持任意 Unicode 符号或文字
方法二:通过 markdown-it-anchor 配置
Vitepress 底层使用 markdown-it-anchor 插件处理标题锚点,可以通过配置项进行更精细的控制:
import anchor from 'markdown-it-anchor'
import { defineConfig } from 'vitepress'
export default defineConfig({
markdown: {
anchor: {
permalink: anchor.permalink.ariaHidden({
symbol: '🔗' // 自定义符号
})
}
}
})
这种方法的特点:
- 需要安装 markdown-it-anchor 依赖
- 提供更多配置选项,如不同锚点样式变体
- 适合需要复杂定制的情况
实际应用建议
对于大多数场景,推荐使用 CSS 变量覆盖法,因为:
- 无需额外依赖
- 修改直观简单
- 维护成本低
只有在需要特殊锚点行为(如不同的交互效果)时,才考虑使用 markdown-it-anchor 配置方案。
注意事项
- 符号选择应考虑可访问性,确保屏幕阅读器能正确识别
- 过于特殊的符号可能在某些字体下显示异常
- 修改后建议检查不同浏览器的渲染效果
通过这两种方法,开发者可以轻松实现 Vitepress 文档标题锚点符号的个性化定制,提升文档的视觉识别度和用户体验。
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
24
9
Ascend Extension for PyTorch
Python
222
238
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
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥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
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217