Keila项目中MJML邮件模板的字体加载问题解析
2025-07-09 09:01:53作者:丁柯新Fawn
背景介绍
在Keila项目中使用MJML构建邮件模板时,开发者可能会遇到一个常见问题:邮件模板自动加载Google Fonts字体资源。这种情况在需要严格遵守GDPR合规要求的场景下尤为敏感,因为加载第三方资源可能涉及用户隐私问题。
问题现象
当开发者使用MJML编写邮件模板并设置自定义字体堆栈时,例如:
<mj-style>
* {
font-family: "IBM Plex Sans", Aptos, Roboto, -apple-system, BlinkMacSystemFont, Helvetica, Arial, sans-serif;
}
</mj-style>
生成的HTML中仍然可能包含对Google Fonts的请求:
<link href="https://fonts.googleapis.com/css?family=Ubuntu:300,400,500,700" rel="stylesheet" type="text/css">
<style type="text/css">
@import url(https://fonts.googleapis.com/css?family=Ubuntu:300,400,500,700);
</style>
问题根源
经过分析,这个问题并非由Keila项目本身引起,而是源于开发环境中的MJML工具链。具体来说:
- 开发工具影响:当使用VS Code的MJML扩展预览或生成HTML时,某些扩展可能会默认添加Google Fonts引用
- 模板继承:如果邮件模板基于某些现成的MJML模板,这些模板可能内置了字体引用
- MJML默认行为:某些MJML版本或配置可能有默认的字体加载行为
解决方案
1. 明确字体定义
使用MJML的<mj-attributes>和<mj-all>标签在模板头部明确定义所有字体,确保覆盖任何可能的默认设置:
<mjml>
<mj-head>
<mj-attributes>
<mj-all font-family="'IBM Plex Sans', Aptos, Roboto, -apple-system, BlinkMacSystemFont, Helvetica, Arial, sans-serif"/>
</mj-attributes>
</mj-head>
<!-- 邮件内容 -->
</mjml>
2. 检查开发工具配置
在VS Code或其他编辑器中:
- 检查MJML扩展的设置
- 禁用任何自动添加资源的选项
- 考虑使用纯MJML CLI工具验证输出
3. 使用本地字体
对于需要严格GDPR合规的场景:
- 将字体文件直接嵌入邮件中(Base64编码)
- 使用系统默认字体堆栈
- 避免任何外部资源引用
最佳实践建议
- 模板审查:在将MJML模板导入Keila前,先检查生成的HTML内容
- 环境隔离:在不同环境中验证模板行为(开发、测试、生产)
- GDPR合规检查:使用工具扫描最终邮件内容,确保没有意外的外部请求
- 文档记录:为团队建立MJML模板编写规范,明确字体使用规则
总结
Keila项目本身不会自动添加Google Fonts引用,这个问题通常源于开发工具链或模板本身。通过明确控制字体定义和仔细检查开发环境配置,开发者可以轻松创建完全符合GDPR要求的邮件模板。关键在于理解整个工具链的工作流程,并在每个环节进行验证。
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
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