Umami 项目中 Hash 路由的页面路径追踪问题解析
在基于 Vue 2 和 Vue Router 3 构建的单页应用(SPA)中,使用 hash 模式的路由是一种常见做法。这种模式下,页面的导航通过 URL 中的 hash 部分(即 # 号后的内容)来实现,而不会触发整个页面的重新加载。然而,这种路由方式在为 Umami 这样的开源网站分析工具带来了一些特殊的挑战。
当开发者在 Vue 项目中集成 Umami 进行用户行为分析时,可能会遇到一个典型问题:无论用户如何导航到不同的路由页面,Umami 记录的所有页面路径都显示为根路径 "/"。这种现象会导致分析数据失去意义,因为无法区分用户实际访问的不同页面。
深入分析这个问题,我们会发现其根源在于 Umami 的 URL 解析逻辑。在标准的实现中,Umami 仅从 URL 对象中提取 pathname 属性来记录页面路径。对于 hash 路由的应用来说,pathname 始终是根路径,而真正的路由信息存储在 hash 属性中。这就是为什么所有页面都被记录为 "/" 的原因。
为了解决这个问题,Umami 在 2.14.0 版本中进行了重要更新。新版本改进了 URL 解析逻辑,现在能够正确识别和处理 hash 路由。具体实现上,当检测到 URL 中包含 hash 部分时,系统会优先使用 hash 值作为页面路径。这一改进使得 Umami 能够准确记录形如 "#/home"、"#/about" 这样的 hash 路由路径。
对于开发者而言,这一改进意味着无需额外配置或自定义代码,Umami 就能自动适应 hash 路由的应用场景。这大大简化了分析工具的集成过程,同时确保了数据的准确性。值得注意的是,这种改进是向后兼容的,对于使用传统路径路由的应用不会产生任何影响。
在实际项目中,正确记录用户导航路径对于分析用户行为、优化用户体验至关重要。通过解决 hash 路由的追踪问题,Umami 进一步巩固了其作为轻量级、隐私友好的网站分析工具的地位。开发者现在可以放心地在各种路由模式的应用中使用 Umami,获得准确可靠的分析数据。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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