Vitepress中自定义全局变量$f简化$frontmatter访问
2025-05-16 16:01:49作者:沈韬淼Beryl
在Vitepress项目中,开发者经常需要在Markdown文件中访问页面的frontmatter数据。默认情况下,我们使用$frontmatter这个全局变量来获取这些数据,例如{{$frontmatter.title}}。然而,这个变量名较长,特别是在需要频繁使用或在较长的字符串中嵌入时,会显得不够简洁。
问题背景
在Vitepress的Markdown文件中,frontmatter是存储页面元数据的重要部分。我们通常会在内容中引用这些数据,比如显示页面标题、作者信息或其他自定义属性。虽然$frontmatter这个变量名清晰表达了其用途,但在实际使用中确实显得有些冗长。
解决方案
通过自定义Vitepress主题,我们可以创建一个更简短的别名$f来替代$frontmatter。这需要我们在主题配置文件中进行一些简单的修改:
- 首先,在
.vitepress/theme/index.ts中导入必要的模块 - 然后,扩展默认主题
- 最后,在
enhanceApp方法中定义新的全局属性$f
实现代码
以下是完整的实现代码示例:
// .vitepress/theme/index.ts
import { Theme } from 'vitepress'
import DefaultTheme from 'vitepress/theme'
export default {
extends: DefaultTheme,
enhanceApp({ app, router }) {
Object.defineProperty(app.config.globalProperties, '$f', {
get() {
return router.route.data.frontmatter
}
})
}
} satisfies Theme
这段代码做了以下几件事:
- 导入Vitepress的主题相关类型和默认主题
- 导出一个扩展了默认主题的自定义主题
- 在
enhanceApp生命周期中,为Vue应用实例添加了一个新的全局属性$f $f的getter函数返回当前路由的frontmatter数据
使用方式
配置完成后,我们就可以在Markdown文件中使用更简洁的$f来代替$frontmatter了:
<!-- 原写法 -->
标题:{{$frontmatter.title}}
<!-- 新写法 -->
标题:{{$f.title}}
注意事项
- 这种修改不会影响原有的
$frontmatter变量,两者可以同时使用 - 确保你的TypeScript配置正确,以便获得类型提示
- 如果项目中有多人协作,建议在文档中说明这个自定义变量的存在
扩展思考
这种技术不仅限于简化frontmatter访问,还可以应用于其他需要频繁使用的全局变量。例如,如果你经常需要访问某些全局工具函数,也可以采用类似的方式为它们创建更简短的别名。
通过这种简单的自定义,我们可以在保持代码可读性的同时提高开发效率,特别是在需要大量使用frontmatter数据的项目中,这种优化会显得尤为实用。
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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137