Internet Archive BookReader v5.0.0-92 版本发布:搜索插件架构重构解析
Internet Archive BookReader 是一个开源的在线电子书阅读器解决方案,它提供了丰富的功能来展示和阅读数字化书籍。该项目由 Internet Archive 维护,广泛应用于各类数字图书馆和电子书阅读平台。
本次发布的 v5.0.0-92 版本主要对搜索功能进行了重大重构,将原有的搜索实现迁移到了新的 BookReaderPlugin 系统。这一变化不仅带来了架构上的改进,也为开发者提供了更灵活的自定义选项。
搜索插件架构重构
本次重构的核心是将搜索功能从核心代码中解耦,使其成为一个独立的插件。这种模块化的设计带来了几个显著优势:
- 代码组织更清晰:搜索相关逻辑现在集中在 SearchPlugin 类中,不再分散在核心代码各处
- 维护性提升:插件系统提供了标准化的接口,便于未来扩展和维护
- 自定义能力增强:开发者现在可以通过配置更精细地控制搜索行为
配置变更详解
重构后,搜索相关的配置选项都移动到了 options.plugins.search 命名空间下。以下是主要变更点:
搜索标记配置
原先的 searchInsidePreTag 和 searchInsidePostTag 现在简化为 preTag 和 postTag,位于插件配置中。这些标记用于高亮显示搜索结果。
搜索端点URL重构
searchInsideUrl 现在支持更强大的字符串模板功能(StringWithVars),开发者可以动态构建搜索URL。新特性包括:
- 支持从根选项中引用变量(如
{{server}}) - 自动URL编码功能(
{{query|urlencode}}) - 可以访问
preTag和postTag配置 - 不再局限于Internet Archive特定的逻辑
初始搜索词配置
initialSearchTerm 现在也移到了插件配置中,保持配置结构的一致性。
废弃项说明
searchInsideProtocol 配置项已被弃用,推荐使用新的URL模板变量功能替代。
API变更与兼容性
本次重构对API进行了整理,大部分搜索相关的方法和属性现在都位于 SearchPlugin 实例中。值得注意的是:
br.search仍然保留作为快捷访问方式- 原有的搜索相关属性和方法(如
searchResults,searchXHR等)都已迁移到插件内部 - 搜索高亮相关方法(
updateSearchHilites,removeSearchResults等)也移到了插件中
这种变更虽然带来了一些破坏性变化,但为未来的功能扩展奠定了更好的基础。
升级建议
对于正在使用BookReader的项目,升级到本版本时需要注意:
- 检查所有搜索相关的配置,按照新的结构进行调整
- 如果直接调用了搜索相关API,需要更新调用路径
- 利用新的URL模板功能简化搜索端点的配置
- 测试搜索高亮功能,确保
preTag和postTag配置正确
总结
v5.0.0-92 版本通过对搜索功能的插件化重构,显著提升了BookReader的架构质量。虽然带来了一些破坏性变更,但这些改进为开发者提供了更强大、更灵活的自定义能力,同时也为未来的功能扩展铺平了道路。建议所有使用搜索功能的项目规划升级,以利用这些改进带来的好处。
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