Formtastic Bootstrap 技术文档
1. 安装指南
依赖项
在安装 Formtastic Bootstrap 之前,请确保您的项目满足以下依赖项:
- Bootstrap: 3.x 版本
- Rails: 3.2.x 或 4.x.x 版本
- Formtastic: 2.2.x 或 2.3.x 版本
- Ruby: 1.9.2、1.9.3 或 2.x.x 版本
安装步骤
您可以通过以下两种方式安装 Formtastic Bootstrap:
-
使用 gem 命令安装:
gem install formtastic-bootstrap -
通过 Gemfile 安装: 在您的
Gemfile中添加以下行:gem 'formtastic-bootstrap'然后运行
bundle install命令安装。
配置
安装完成后,您需要进行以下配置:
-
在 Formtastic 的初始化文件中添加以下行:
# config/initializers/formtastic.rb Formtastic::Helpers::FormHelper.builder = FormtasticBootstrap::FormBuilder -
在
application.css文件的顶部添加以下行:# app/assets/stylesheets/application.css *= require formtastic-bootstrap
注意:请确保您已经安装并配置了 Formtastic,但不要在 application.css 文件中引入 Formtastic 的样式,否则会导致 Bootstrap 和 Formtastic Bootstrap 的样式冲突。
2. 项目的使用说明
Formtastic Bootstrap 的使用方式与 Formtastic 基本相同,但为了支持 Bootstrap 特定的控件,引入了一些变化。
Bootstrap 特定控件
前置文本
要创建一个前置文本字段,可以使用 :prepend 选项。该选项适用于任何文本字段输入类型,如 :url、:search 和 :string。
<%= semantic_form_for @user do |f| %>
<%= f.inputs do %>
<%= f.input :handle, :prepend => '@' %>
<% end %>
<% end %>
后置文本
要创建一个后置文本字段,可以使用 :append 选项。该选项同样适用于任何文本字段输入类型。
<%= semantic_form_for @user do |f| %>
<%= f.inputs do %>
<%= f.input :handle, :append => '%' %>
<% end %>
<% end %>
后置内容
要添加不包含在 add-on span 中的后置元素,可以使用 :append_content 或 :prepend_content 选项。
<%= semantic_form_for @user do |f| %>
<%= f.inputs do %>
<%= f.input :handle, :append_content => content_tag(:a, "Click Here", :class => 'btn') %>
<% end %>
<% end %>
3. 项目 API 使用文档
Formtastic Bootstrap 的 API 与 Formtastic 的 API 基本一致,但在某些地方进行了调整以更好地支持 Bootstrap。以下是一些主要的差异:
- 标签类:Formtastic Bootstrap 省略了
<label>标签上的label类,因为 Twitter Bootstrap 在其他上下文中使用了该标签。 - 输入标签位置:Formtastic Bootstrap 将
<input>标签放在不同的位置,以确保 Bootstrap 的行为正确。 - 日期时间字段:Formtastic Bootstrap 将
:date、:datetime和:time渲染为文本字段,而不是下拉菜单。 - 按钮:
f.buttons :name不受支持,因为它会生成<fieldset>和<legend>标签,导致 Bootstrap 的行为不正确。
4. 项目安装方式
Formtastic Bootstrap 的安装方式已经在 安装指南 部分详细介绍。您可以通过 gem 命令或 Gemfile 进行安装,并根据需要进行配置。
总结
Formtastic Bootstrap 是一个将 Formtastic 与 Twitter Bootstrap 结合使用的表单构建器,旨在生成符合 Bootstrap 框架的 HTML 标记。通过本文档,您可以了解如何安装、配置和使用 Formtastic Bootstrap,并掌握其 API 的主要差异。希望本文档能帮助您更好地理解和使用该项目。
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