使用fusen项目创建并分享R包文档网站
2025-07-02 21:04:13作者:范垣楠Rhoda
项目概述
fusen是一个创新的R包开发工具,它采用"Rmarkdown优先"的开发方法,让开发者能够在一个Rmarkdown文件中同时编写代码、文档和测试,然后自动转换为规范的R包结构。本文将重点介绍如何使用fusen创建R包,并自动部署完整的文档网站。
准备工作
在开始之前,你需要确保:
- 已安装最新版本的R和RStudio
- 已安装git并配置好用户信息
- 拥有一个代码托管平台的账号
创建fusen项目
首先,使用fusen创建一个新项目:
path_project <- "你的/项目/路径/项目名称"
fusen::create_fusen(path = path_project, template = "minimal", with_git = TRUE, open = TRUE)
这个命令会:
- 创建一个新的R项目
- 初始化git仓库
- 使用"minimal"模板生成基本结构
- 在RStudio中打开项目
填写项目描述
接下来,编辑"dev/0-dev_history.Rmd"文件,填写项目的基本信息:
fusen::fill_description(
pkg = here::here(),
fields = list(
Title = "你的项目标题",
Description = "项目的详细描述",
`Authors@R` = c(
person("你的", "姓名", email = "你的邮箱", role = c("aut", "cre"))
)
)
)
usethis::use_mit_license("你的姓名")
开发你的R包
使用"dev/flat_full.Rmd"文件作为开发模板:
- 在markdown部分描述代码的功能
- 使用专门的代码块编写函数
- 使用示例代码块展示函数用法
- 使用测试代码块编写单元测试
fusen提供了RStudio插件,可以方便地添加这些专用代码块。
构建R包结构
当你完成了flat_full.Rmd的开发后,使用inflate()函数将其转换为标准的R包结构:
fusen::inflate(flat_file = "dev/flat_full.Rmd", vignette_name = "入门指南")
这个函数会:
- 将函数提取到R/目录
- 将测试提取到tests/目录
- 将文档提取到vignettes/目录
- 运行各种检查确保包结构完整
部署文档网站
完成开发后,使用以下命令部署文档网站:
init_share_on_github()
这个命令会执行一系列自动化操作:
- 初始化git仓库(如果尚未初始化)
- 连接到你的代码托管平台账号
- 创建必要的配置文件(如DESCRIPTION、NEWS等)
- 添加README.Rmd文件并转换为README.md
- 设置持续集成(CI)和持续部署(CD)流程
- 提交所有更改并推送到远程仓库
技术细节解析
init_share_on_github()函数背后的技术实现包括:
- 版本控制集成:自动初始化git仓库并设置.gitignore文件
- 文档生成:配置pkgdown用于生成美观的文档网站
- 持续集成:设置跨平台测试(Linux、Windows、macOS)
- 代码覆盖率:自动计算测试覆盖率
- 自动化部署:配置工作流自动更新文档网站
后续维护
一旦初始设置完成,后续维护非常简单:
- 继续在flat_full.Rmd中开发新功能
- 使用inflate()更新包结构
- 提交并推送更改到主分支
- 文档网站将自动更新
最佳实践建议
- 文档优先:在编写代码前先描述功能,这有助于理清思路
- 测试驱动:为每个功能编写测试用例,确保代码质量
- 小步提交:频繁提交小改动,便于追踪和回滚
- 语义版本:遵循语义化版本控制规范发布新版本
常见问题解答
Q: 为什么我的网站没有立即更新? A: 网站部署通常需要几分钟时间,请耐心等待工作流完成。
Q: 如何自定义网站外观? A: 可以在_pkgdown.yml文件中配置网站的主题和布局。
Q: 能否使用其他文档生成工具? A: fusen默认使用pkgdown,但你也可以手动配置其他工具。
通过fusen的这套工作流程,开发者可以专注于代码和文档的内容,而不用花费大量时间在项目配置和维护上,大大提高了R包开发的效率和可维护性。
登录后查看全文
热门项目推荐
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
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
411
3.16 K
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++
664
323
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
677
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
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
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
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
342
146