MailForm 技术文档
本文档旨在帮助用户详细了解并使用 MailForm 项目。以下是项目的安装指南、使用说明、API 使用文档和安装方式的详细介绍。
1. 安装指南
在项目中使用 MailForm 前,需要进行以下安装步骤:
首先,将以下内容添加到 Gemfile 中:
gem 'mail_form'
然后,执行以下命令安装 MailForm:
bundle install
安装完成后,可以使用 rails generate mail_form 命令获取关于生成基本表单的帮助信息。
2. 项目的使用说明
MailForm 是基于 ActiveModel 构建的,允许您从表单直接发送电子邮件。以下是如何在 Rails 5+ 中使用 MailForm 的示例:
创建一个继承自 MailForm::Base 的类:
class ContactForm < MailForm::Base
attribute :name, validate: true
attribute :email, validate: /\A[^@\s]+@[^@\s]+\z/i
attribute :file, attachment: true
attribute :message
attribute :nickname, captcha: true
def headers
{
subject: "My Contact Form",
to: "your.email@your.domain.com",
from: %("#{name}" <#{email}>)
}
end
end
然后,在 Rails 控制台中创建一个实例并发送电子邮件:
c = ContactForm.new(name: 'José', email: 'jose@email.com', message: 'Cool!')
c.deliver
确保已正确配置邮件发送方法。
3. 项目API使用文档
以下是 MailForm 的 API 概述:
attributes(*attributes)
声明表单属性。声明的所有属性将附加到电子邮件中,除了 :captcha 为 true 的属性。
选项:
-
:validate- 验证钩子,用于validates_*_of。当给定true时,验证属性的存在。当给定正则表达式时,验证格式。当给定数组时,验证属性是否包含在数组中。 -
:attachment- 当给定,期望发送文件并将其附加到电子邮件中。不要忘记将表单设置为多部分类型。 -
:captcha- 当为 true 时,验证属性必须为空。这是一种简单的方法来避免垃圾邮件,输入应该使用 CSS 隐藏。
示例:
class ContactForm < MailForm::Base
attributes :name, validate: true
attributes :email, validate: /\A[^@\s]+@[^@\s]+\z/i
attributes :type, validate: ["General", "Interface bug"]
attributes :message
attributes :screenshot, attachment: true, validate: :interface_bug?
attributes :nickname, captcha: true
def interface_bug?
if type == 'Interface bug' && screenshot.nil?
self.errors.add(:screenshot, "can't be blank on interface bugs")
end
end
end
append(*methods)
MailForm 还可以轻松地附加来自客户端的请求信息到发送的邮件中。只需这样做:
class ContactForm < MailForm::Base
append :remote_ip, :user_agent, :session
# ...
end
在控制器中:
@contact_form = ContactForm.new(params[:contact_form])
@contact_form.request = request
远程 IP、用户代理和会话信息将随邮件发送,在邮件中的一个请求信息部分。你可以附加任何请求对象响应的方法。
4. 项目安装方式
MailForm 的安装方式已在上述 "安装指南" 部分进行了说明。简要概括,只需将 MailForm 添加到 Gemfile 中,然后运行 bundle install 命令即可完成安装。
通过以上内容,用户应能够成功安装并使用 MailForm,以及理解其 API 的基本用法。
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出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Jinja00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00