Listmonk 中实现动态 HTML 内容在事务邮件中的渲染
2025-05-14 01:12:23作者:宣聪麟
在事务性邮件系统中,动态内容的渲染是一个常见需求。Listmonk 作为一款开源的邮件营销平台,提供了强大的模板渲染功能。本文将详细介绍如何在 Listmonk 的事务邮件中安全地渲染动态 HTML 内容。
动态 HTML 渲染的需求背景
现代邮件营销系统经常需要根据用户数据动态生成邮件内容。例如,在电商场景中,我们可能需要根据用户购买历史展示个性化的产品推荐,这些推荐内容通常包含 HTML 格式的富文本内容。
Listmonk 的事务邮件处理机制
Listmonk 通过 /api/tx 接口发送事务邮件时,支持通过 JSON 格式的 data 参数传递动态数据。这些数据可以在邮件模板中通过模板语法引用。
安全渲染 HTML 内容的方法
Listmonk 使用 Go 的模板引擎,为了安全地渲染 HTML 内容,需要使用 Safe 过滤器:
{{ .Tx.Data.variable_name | Safe }}
这个过滤器会告诉模板引擎该变量包含 HTML 内容,应该原样渲染而不是进行 HTML 转义。
处理可能为空的变量
在实际应用中,我们经常需要处理可能为空的变量。为了避免模板渲染错误,建议使用条件判断:
{{ if .Tx.Data.variable_name }}
{{ .Tx.Data.variable_name | Safe }}
{{ end }}
这种写法可以确保当变量不存在或为空时,模板不会报错。
实际应用示例
假设我们需要在事务邮件中展示一个动态生成的商品推荐列表,可以这样实现:
- 调用 API 时传递 JSON 数据:
{
"product_recommendations": "<div class='products'><h3>为您推荐</h3><ul><li>商品A</li><li>商品B</li></ul></div>"
}
- 在邮件模板中引用:
{{ if .Tx.Data.product_recommendations }}
<div class="recommendation-section">
{{ .Tx.Data.product_recommendations | Safe }}
</div>
{{ end }}
最佳实践建议
-
内容验证:尽管使用
Safe过滤器可以渲染 HTML,但仍建议在生成 HTML 内容时进行适当的验证和清理,防止 XSS 攻击。 -
模板测试:在部署前充分测试模板,特别是边缘情况,如数据缺失或格式不正确的情况。
-
性能考虑:大量复杂的 HTML 内容可能会增加邮件大小,影响发送性能,建议优化 HTML 结构。
通过以上方法,开发者可以灵活地在 Listmonk 的事务邮件中实现动态 HTML 内容的渲染,同时确保系统的安全性和稳定性。
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
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