Eleventy 中 Nunjucks 模板在 Markdown 中的空格控制问题
2025-05-12 21:31:14作者:管翌锬
在 Eleventy 静态网站生成器中,开发者经常会将 Nunjucks 模板文件包含到 Markdown 文件中使用。然而,这种组合使用方式可能会产生一些意料之外的 HTML 输出格式问题,特别是关于空白字符的控制。
问题现象
当在 Markdown 文件中通过 {% include %} 标签引入一个包含循环的 Nunjucks 模板时,生成的 HTML 会出现多余的 <p> 段落标签包裹每个列表项。例如:
原始 Nunjucks 模板:
<ul>
{% for item in items %}
<li>{{ item }}</li>
{% endfor %}
</ul>
生成的 HTML 输出:
<ul>
<p><li>Item 1</li></p>
<p><li>Item 2</li></p>
</ul>
这种输出显然不符合预期,因为 <li> 元素不应该被 <p> 标签包裹,这会破坏列表的语义结构和样式表现。
问题原因
这个问题源于 Markdown 处理器和 Nunjucks 模板引擎对空白字符处理方式的差异。Markdown 处理器会尝试将连续的文本块转换为段落,而 Nunjucks 模板中的循环结构会产生多个独立的输出块,每个块都被 Markdown 当作独立的段落处理。
解决方案
Nunjucks 提供了空白字符控制功能来解决这个问题。通过在模板标签中添加连字符(-),可以去除标签前后的空白字符:
修正后的 Nunjucks 模板:
<ul>
{%- for item in items %}
<li>{{ item }}</li>
{%- endfor %}
</ul>
这样生成的 HTML 输出就会符合预期:
<ul>
<li>Item 1</li>
<li>Item 2</li>
<li>Item 3</li>
</ul>
技术细节
Nunjucks 的空白字符控制是通过在标签中添加连字符实现的:
{%-表示删除标签前的所有空白字符(包括换行符)-%}表示删除标签后的所有空白字符{%- -%}表示同时删除标签前后的空白字符
在 Eleventy 项目中,当混合使用 Markdown 和 Nunjucks 时,特别是在循环结构中,使用这些空白控制标记可以确保生成的 HTML 结构保持整洁和预期。
最佳实践
- 在 Nunjucks 循环结构中使用空白控制标记
- 对于包含在 Markdown 中的复杂 Nunjucks 模板,全面检查空白字符影响
- 在开发过程中验证生成的 HTML 结构是否符合预期
- 对于简单的包含,可能不需要空白控制,但对于循环和条件语句则很有必要
通过理解和正确使用 Nunjucks 的空白字符控制功能,开发者可以确保 Eleventy 项目中的模板组合生成干净、符合语义的 HTML 输出。
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
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
暂无简介
Dart
672
157
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++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
135
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218