推荐文章:使用 `reading_time` —— 让你的博客智能化地显示阅读时间
2024-08-28 01:01:28作者:蔡怀权
在数字时代,信息的快速消费变得尤为重要。作为一个博主或内容创作者,如何让你的读者了解即将投入多少时间来沉浸于你的文字世界呢?引入 reading_time,一个精巧的 Liquid 过滤器插件,它智能地计算HTML文本中的单词数量,并估算出阅读该文稿所需的时间。
项目简介
reading_time 是由Ruby编写的,专为Liquid模板引擎设计的一枚小宝石。通过这个插件,你可以轻松地为任何基于HTML的内容添加预计阅读时间,提升用户体验至新的高度。无论是个人博客还是企业网站,这一细节的加入都将展现你的细心与专业。
技术解析
此插件利用了高效的Nokogiri库来解析HTML,确保了高精度的单词计数。不同于简单的文本分割,reading_time 深入理解HTML结构,聪明地排除了如图片描述、脚本段落等非正文内容,仅统计实际可读的文字。此外,以平均每分钟270词的阅读速度作为基准,该数值来源于对正常阅读速率的科学研究区间,提供了更为合理的估计。
应用场景
想象一下,在你的Jekyll博客中,每篇文章下方都贴心地标出了阅读所需时间,这不仅提升了用户的预览体验,也利于读者有效管理自己的时间。对于在线教育平台、电子书库或是任何依赖高质量阅读材料的网站来说,reading_time 都能成为增强用户满意度的秘密武器。
项目亮点
- 智能过滤:精准区分正文与辅助元素,提供更准确的阅读时间预测。
- 易于集成:适用于广泛的Liquid环境,特别是Jekyll用户,安装与使用极为简便。
- 自适应阅读速度:基于普遍接受的阅读速率设定,默认值合理,也可按需调整。
- 兼容性佳:支持HTML和XHTML格式,确保不同来源的内容都能得到良好处理。
- 开源社区维护:依托GitHub,活跃的开发者社区保障了插件的持续改进与兼容更新。
在追求内容质量的同时,不应忽略那些微小却关键的用户体验提升点。reading_time 不仅仅是一个技术实现,它是现代数字阅读体验的一块重要拼图,等待着被有远见的内容创作者们采纳并融入到自己的作品中。即刻行动,让你的每一篇文章都能够“预见”其价值所在!
登录后查看全文
热门项目推荐
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
185
196
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
480
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
276
97
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
380
3.44 K
暂无简介
Dart
623
140
React Native鸿蒙化仓库
JavaScript
242
315
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
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++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210