Kando菜单项目中的图标搜索优化方案
2025-06-15 21:56:36作者:昌雅子Ethen
在Kando菜单项目中,用户发现了一个关于图标搜索功能的限制性问题:某些图标无法通过原始名称进行搜索。这个问题源于当前实现方案的技术局限性,值得我们深入分析并探讨优化方案。
问题背景
Kando菜单项目集成了Simple Icons图标库,为用户提供丰富的图标选择。当前系统通过正则表达式从CSS文件中提取图标名称(slug)来实现搜索功能。这种方法虽然简单直接,但存在明显缺陷:
- 只能获取到经过处理的slug格式名称(如"h-and-m")
- 无法获取图标的原始名称(如"H&M")
- 对包含特殊字符的图标名称支持不足(如"Node.js")
技术分析
当前实现方案的核心代码如下:
const iconSlugs = [...css.matchAll(/\.si-(.*?):before/g)].map(match => match[1]);
这段代码使用正则表达式从CSS类名中提取图标标识符。虽然这种方法能快速获取所有可用图标,但丢失了原始名称信息,导致搜索体验不完整。
优化方案
更完善的解决方案是直接解析Simple Icons项目提供的JSON数据文件。这个文件包含了每个图标的完整元数据:
- slug:标准化后的标识符(当前使用的)
- title:原始名称(需要新增支持)
- 其他元数据(如颜色、SVG路径等)
实现步骤建议:
- 加载JSON数据文件而非CSS文件
- 建立slug和title的双向映射关系
- 实现模糊搜索支持两种名称格式
- 优化搜索算法,提高匹配准确率
技术优势
采用JSON数据方案将带来以下改进:
- 搜索体验提升:用户可以使用原始名称或标准化名称搜索图标
- 功能扩展性:便于未来添加更多图标元数据(如分类、标签)
- 维护便利性:与上游数据源保持更好的同步
- 性能优化:可预构建搜索索引,提高响应速度
实现考虑
在实际开发中,需要注意:
- 数据更新机制:确保图标库更新时能自动同步
- 内存占用:JSON数据可能比CSS文件更大,需评估影响
- 向后兼容:保持现有基于slug的搜索功能
- 多语言支持:考虑图标名称的本地化需求
总结
图标搜索功能是Kando菜单用户体验的重要组成部分。通过从CSS方案迁移到完整的JSON数据方案,不仅能解决当前名称搜索的限制,还能为未来功能扩展奠定基础。这种改进体现了对细节的关注和对用户体验的持续优化,值得在项目中优先实施。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0194
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0121
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook06
项目优选
收起
暂无描述
Dockerfile
767
4.99 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.94 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
686
1.34 K
Ascend Extension for PyTorch
Python
721
892
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
458
445
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++
1.08 K
1.11 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.01 K
262
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1 K
618
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
2.99 K
637
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
253