MapFish Print 项目技术文档
1. 安装指南
在开始使用 MapFish Print 之前,您需要确保系统中已安装以下依赖项:make 和 Docker。
构建项目
构建 MapFish Print 的命令如下:
make build
此命令将构建三个工件:print-servlet-xxx.war、print-lib.jar 和 print-standalone.jar。
构建过程同时会在 docs/build/site 文件夹中构建文档。要部署文档,只需将其复制到 gh-pages 分支然后提交即可。GitHub 会自动在以下地址构建更新的站点:https://mapfish.github.io/mapfish-print/
如果您只想构建文档,可以运行以下命令:
./gradlew docs:build
或者在文档目录中运行构建命令。
请注意,测试(构建的一部分)需要 'Liberation Sans' 字体,您可以从这里下载。
2. 项目的使用说明
调试模式
为了能够快速测试打印的修改,您应该:
- 将文件
docker-compose.override.sample.yaml复制为docker-compose.override.yaml。 - 运行
docker compose up -d,打印服务将可在端口8080上访问,代码修改后将自动构建并重启。
使用此方法,您将拥有一个正在运行的打印服务,每次代码修改后,打印服务将重新构建并重启,并且调试端口 5005 将开启。
从命令行运行
以下命令将运行 MapFish 打印服务。参数必须通过 -PprintArgs="..." 参数提供。
要列出所有命令行选项,请在 ./core 目录下执行以下命令:
./gradlew print -PprintArgs="-help"
以下是一个示例命令:
./gradlew print -PprintArgs="-config ../examples/src/test/resources/examples/simple/config.yaml -spec ../examples/src/test/resources/examples/simple/requestData.json -output ./output.pdf"
如果您想以调试模式运行,可以添加 --debug-jvm 参数:
./gradlew print --debug-jvm -PprintArgs="-config ../examples/src/test/resources/examples/simple/config.yaml -spec ../examples/src/test/resources/examples/simple/requestData.json -output ./output.pdf"
对于使用 GeoServer 的示例,您应该在组合中运行它,然后构建并启动组合:
make build
cp docker-compose.override.sample.yaml docker-compose.override.yaml
make acceptance-tests-up
然后运行示例:
docker compose exec builder gradle print -PprintArgs="-config /src/examples/src/test/resources/examples/simple/config.yaml -spec /src/examples/src/test/resources/examples/simple/requestData.json -output /src/examples/output.pdf"
在 Eclipse 中使用
首先创建 Eclipse 项目元数据:
./gradlew eclipse
然后导入项目到 Eclipse。
在 Eclipse 中运行
- 创建新的 Java 运行配置
- 主类是
org.mapfish.print.cli.Main - 程序参数:
-config samples/config.yaml -spec samples/spec.json -output $HOME/print.pdf
3. 项目 API 使用文档
MapFish Print 的 API 使用文档目前没有在项目 README 中提供,但是可以通过查看项目的源代码和示例来了解如何使用 API。
4. 项目安装方式
MapFish Print 可以通过以下几种方式安装:
-
Docker:您可以从 Docker 仓库中拉取 MapFish Print 的 Docker 镜像。
-
War 和 jar:可以从 MapFish 的 GitHub 包仓库中获取 War 和 jar 文件。
-
JitPack 仓库:您也可以从 JitPack 仓库中获取 MapFish Print。
-
发布版本:包括各种资源的发布版本可以在 GitHub 的发布页面上找到。
在安装前请确保您已阅读并遵守项目的贡献者许可协议。如果您是作为个人贡献者,需要提交一份数字版个人贡献者许可协议;如果是作为公司员工,则需要按照指南提交公司贡献者许可协议。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C032
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
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