Marked.js 开源项目教程
2024-10-10 22:54:08作者：邓越浪Henry
1. 项目介绍
Marked.js 是一个快速、轻量级的 Markdown 解析器和编译器，专为速度而设计。它能够在不使用缓存或长时间阻塞的情况下解析 Markdown 内容，并且支持多种 Markdown 风格和规范。Marked.js 可以在浏览器、服务器或命令行界面（CLI）中使用，适用于各种应用场景。
2. 项目快速启动
安装
命令行安装
npm install -g marked
浏览器中使用
npm install marked
使用示例
命令行使用
# 示例：使用标准输入
$ marked -o hello.html
hello world
^D
$ cat hello.html
<p>hello world</p>
浏览器中使用
<!doctype html>
<html>
<head>
<meta charset="utf-8"/>
<title>Marked in the browser</title>
</head>
<body>
<div id="content"></div>
<script src="https://cdn.jsdelivr.net/npm/marked/marked.min.js"></script>
<script>
document.getElementById('content').innerHTML = marked.parse('# Marked in the browser\n\nRendered by **marked**.');
</script>
</body>
</html>
ESM 模块导入
<script type="module">
import { marked } from "https://cdn.jsdelivr.net/npm/marked/lib/marked.esm.js";
document.getElementById('content').innerHTML = marked.parse('# Marked in the browser\n\nRendered by **marked**.');
</script>
3. 应用案例和最佳实践
应用案例
- 静态网站生成器：Marked.js 可以用于将 Markdown 文件转换为 HTML，适用于静态网站生成器，如 Jekyll 或 Hugo。
- 博客平台：许多博客平台使用 Marked.js 来解析用户提交的 Markdown 内容，并将其转换为可读的 HTML 格式。
- 文档生成：Marked.js 可以用于生成项目文档，将 Markdown 格式的文档转换为 HTML 以便在线查看。
最佳实践
- 安全使用：由于 Marked.js 不进行 HTML 输出净化，建议在使用时结合 DOMPurify 等库进行安全处理。
- 性能优化：在处理大量 Markdown 内容时，可以考虑使用缓存机制来提高性能。
- 自定义扩展：Marked.js 支持扩展，可以根据项目需求自定义解析规则和输出格式。
4. 典型生态项目
- DOMPurify：用于净化 Marked.js 生成的 HTML 输出，防止 XSS 攻击。
- Highlight.js：用于在 Marked.js 生成的 HTML 中高亮显示代码块。
- Markdown-it：另一个流行的 Markdown 解析器，与 Marked.js 类似，但提供了更多的插件和扩展功能。
通过以上内容，您可以快速上手并深入了解 Marked.js 的使用和生态系统。
登录后查看全文
相关内容推荐
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
kerneldeepin linux kernel
C
24
9
pytorchAscend Extension for PyTorch
Python
222
238
nop-entropyNop 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
flutter_flutter暂无简介
Dart
671
156
ops-math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
ohos_react_nativeReact Native鸿蒙化仓库
JavaScript
261
322
leetcode🔥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
cangjie_compiler仓颉编译器源码及 cjdb 调试工具。
C++
134
867
cangjie_test仓颉编程语言测试用例。
Cangjie
37
859
openGauss-serveropenGauss kernel ~ openGauss is an open source relational database management system
C++
160
217