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。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust024
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00