Umami跟踪脚本在Sphinx文档中的正确集成方式
2025-05-07 18:03:10作者:侯霆垣
在技术文档中集成网站分析工具是常见的需求,但需要注意正确的实现方式。本文以Umami分析工具与Sphinx文档系统的集成为例,说明常见的错误做法和正确解决方案。
问题背景
许多开发者使用Sphinx生成技术文档,并希望通过Umami来跟踪文档的访问情况。常见的错误做法是创建一个包含HTML脚本标签的JavaScript文件(如umami.js),然后在Sphinx配置中通过html_js_files加载这个文件。
错误实现分析
错误做法通常表现为:
- 创建一个umami.js文件,内容为HTML格式的script标签
- 在Sphinx的conf.py中设置html_js_files = ["umami.js"]
- 编译后发现脚本没有生效
这种做法的根本问题在于混淆了HTML和JavaScript的文件类型。html_js_files配置项期望加载的是纯JavaScript代码文件,而不是包含HTML标签的文本。
正确实现方案
方案一:使用html_static_path和模板注入
- 将Umami的跟踪脚本保存为真正的JavaScript文件
- 在Sphinx配置中设置html_static_path指向包含该文件的目录
- 通过模板系统确保脚本被正确注入到每个页面
方案二:直接修改模板文件
- 编辑Sphinx使用的模板文件(通常是layout.html)
- 在head部分直接添加Umami的跟踪代码
- 这种方法更直接,但可能需要在主题定制方面做更多工作
实现建议
对于大多数Sphinx项目,推荐以下步骤:
- 在文档源目录下创建_static文件夹(如果不存在)
- 将Umami提供的完整JavaScript跟踪代码保存为umami.js
- 在conf.py中配置:
html_static_path = ['_static'] html_js_files = ['umami.js'] - 确保umami.js文件只包含纯JavaScript代码,不包含任何HTML标签
注意事项
- 确保跟踪脚本的加载不会影响文档页面的性能
- 在开发环境中可以考虑禁用跟踪脚本
- 注意隐私保护相关法律法规的要求
- 对于ReadTheDocs托管的文档,还需要考虑其构建系统的特殊性
正确实现后,Umami将能够准确跟踪文档各个页面的访问情况,为文档改进提供数据支持。
登录后查看全文
热门项目推荐
相关项目推荐
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-1.5暂无简介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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
177
195
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++
647
263
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
270
93
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
378
3.33 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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