在Vitepress中使用markdown-it-regex插件实现自定义图标替换
2025-05-16 11:56:11作者:裴麒琰
本文将介绍如何在Vitepress项目中通过markdown-it-regex插件实现自定义图标的Markdown语法替换功能,特别是针对MDI(Material Design Icons)图标的处理方案。
背景需求
在文档编写过程中,我们经常需要在文本中插入各种图标。MDI图标库提供了丰富的图标资源,但直接在Markdown中使用HTML标签会降低可读性。理想的方式是通过类似:mdi-icon-name:的语法来引用图标。
解决方案
Vitepress基于markdown-it解析Markdown,我们可以通过其插件系统扩展功能。markdown-it-regex插件专门用于基于正则表达式的文本替换。
基础实现
首先安装必要的依赖:
npm install markdown-it-regex
然后在Vitepress配置文件中进行配置:
import { defineConfig } from 'vitepress'
import markdownItRegex from 'markdown-it-regex'
export default defineConfig({
markdown: {
config(md) {
md.use(markdownItRegex.default, {
name: 'mdi-icons',
regex: /:mdi-([\w-]+):/,
replace: (match) => {
return `<i class="mdi mdi-${match[1]}"></i>`
}
})
}
}
})
注意事项
- 由于ESM兼容性问题,需要使用
.default访问插件主体 - 正则表达式需要精确匹配目标语法模式
- 替换函数中可以根据需要构建不同的HTML结构
替代方案
如果项目中已经使用了markdown-it-emoji插件,可以直接修改其渲染规则:
import { defineConfig } from 'vitepress'
export default defineConfig({
markdown: {
config(md) {
md.renderer.rules.emoji = function (token, idx) {
return `<i class="mdi mdi-${token[idx].markup}"></i>`
}
}
}
})
这种方式更加轻量,但需要确保emoji定义中包含所需的图标名称。
实际应用
配置完成后,在Markdown中就可以使用简洁的语法:
这是文档中的图标示例 :mdi-alert: 请注意这个重要信息。
会被渲染为:
这是文档中的图标示例 <i class="mdi mdi-alert"></i> 请注意这个重要信息。
扩展建议
- 可以结合CSS为图标添加额外的样式控制
- 考虑添加图标大小、颜色等参数的扩展语法
- 对于大量使用图标的项目,建议预定义常用图标的快捷方式
通过这种方式,我们既保持了Markdown的简洁性,又获得了丰富的图标展示能力,大大提升了文档编写的效率和可读性。
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
项目优选
收起
deepin linux kernel
C
24
9
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
🔥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
暂无简介
Dart
670
155
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++
660
308
Ascend Extension for PyTorch
Python
219
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
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
392
3.82 K
React Native鸿蒙化仓库
JavaScript
259
322