Haml Coffee Assets 技术文档
1. 安装指南
使用 Bundler 安装
最简单的安装方式是使用 Bundler。在你的 Gemfile 中添加 haml_coffee_assets 和 execjs:
group :assets do
gem 'haml_coffee_assets'
gem 'execjs'
end
注意:Rails 4.0 已经移除了 assets 组,因此如果你使用的是 Rails 4.0 或更高版本,不需要添加 group :assets do 这一行。
引入 hamlcoffee.js
在你的 app/assets/javascripts/templates/context.js.coffee 文件中引入 hamlcoffee.js:
#= require hamlcoffee
如果你使用 AMD 支持,则不需要手动引入上述文件,因为它会自动包含。
2. 项目的使用说明
Haml Coffee 模板生成
扩展名:.hamlc
如果你省略 .jst 扩展名,只使用 .hamlc 扩展名,Haml Coffee Assets 将处理 JavaScript 模板的生成。这种方式允许你通过简单的配置定义自己的命名空间,并使用模板名称过滤器。
你可以将所有 Haml Coffee 模板放在 app/assets/javascripts/templates 目录中,并在 app/assets/javascripts/application.js.coffee 中包含所有模板:
#= require_tree ./templates
由于 Haml Coffee Assets 提供了默认的模板名称过滤器,templates/ 前缀将自动被移除。
Sprocket JST 处理器模板生成
扩展名:.jst.hamlc
当你为模板使用 .jst.hamlc 扩展名时,Haml Coffee Assets 只会生成模板函数,然后由 Sprocket JST 处理器 进一步处理。由于 Haml Coffee Assets 不会生成模板,因此你无法使用 AMD 支持、模板名称过滤器,并且 JST 命名空间的定义比 Haml Coffee 模板生成更复杂。
使用这种方式时,你应该将所有 Haml Coffee 模板放在 app/assets/templates 目录中,并在 app/assets/javascripts/application.js.coffee 中包含所有模板:
#= require_tree ../templates
如果你将模板放在 app/assets/javascripts/templates 中,所有 JST 模板名称将以 templates/ 开头,这可能不是你想要的。
服务器端渲染
Haml Coffee Assets 注册了 .hamlc 扩展名,因此 Rails 模板可以使用 Haml Coffee 编写。Rails 将识别放在 app/assets/javascripts/templates 中的模板(尽管路径可以更改,如果你将模板存储在其他目录中),并且相同的模板文件可以通过 Rails 或客户端的 JavaScript 渲染。服务器端渲染仅在使用全局放置时可用,不适用于 AMD 放置。
3. 项目API使用文档
配置选项
文档格式
默认情况下,所有 Haml Coffee 模板都渲染为 HTML5 文档。你可以选择以下输出格式:
- html5
- html4
- xhtml
如果你希望使用其他 HTML 格式,可以在 config/application.rb 中设置:
config.hamlcoffee.format = 'xhtml'
模板放置
默认情况下,所有 Haml Coffee 模板都放置在配置的模板命名空间下。你可以选择以下放置方式:
- global
- amd
通过将 placement 选项设置为 amd,每个模板将被包装在一个 define 函数中,从而支持模块加载器的使用。
config.hamlcoffee.placement = 'amd'
注意:placement 选项仅适用于使用 .hamlc 扩展名并让 Haml Coffee Assets 处理 JST 生成的情况。
全局模板依赖
Haml Coffee Assets 允许你全局定义所有模板的模块依赖。默认情况下,Haml Coffee Assets 助手会被包含,但你也可以添加自己的依赖:
config.hamlcoffee.dependencies = { '_' => 'underscore', :hc => 'hamlcoffee_amd' }
如果你不包含 hamlcoffee_amd 模块作为 hc,则助手方法将被包含在每个模板中,增加模板的大小。建议始终包含 hamlcoffee 模块。
模板命名空间
默认情况下,所有 Haml Coffee 模板都注册在 JST 命名空间下。例如,app/assets/javascripts/templates/header.hamlc 模板的内容如下:
%header
%h2= @title
在浏览器中可以通过 JST['header'] 访问。你可以渲染预编译的模板并传递要渲染的数据:
JST['header']({ title: 'Hello Haml Coffee' })
如果你希望使用其他命名空间,可以在 config/application.rb 中设置:
config.hamlcoffee.namespace = 'window.HAML'
你甚至可以设置一个深层嵌套的命名空间,如 window.templates.HAML,Haml Coffee 将处理所有层次的创建。
4. 项目安装方式
使用 Bundler 安装
在 Gemfile 中添加以下内容:
group :assets do
gem 'haml_coffee_assets'
gem 'execjs'
end
然后运行 bundle install 进行安装。
引入 hamlcoffee.js
在 app/assets/javascripts/templates/context.js.coffee 中引入 hamlcoffee.js:
#= require hamlcoffee
清理 Sprockets 缓存
如果你更改了配置,但模板已经编译,新的设置不会应用到已编译的模板。你可以通过以下命令清理 Sprockets 缓存:
rake assets:clean
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出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Jinja00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00