博客
关于我
菜鸟的markdown编辑器集成
阅读量:748 次
发布时间:2019-03-22

本文共 1490 字,大约阅读时间需要 4 分钟。

#菜鸟的Markdown编辑器集成

廿天来,我一直在寻找一款适合我使用的Markdown编辑器。经过一番调研,我找到一款非常不错的开源Markdown编辑器,这篇文章将记录我的学习和使用心得。

说明与下载

下载与安装

对于什么是Markdown编辑器以及其语法,这里就不做详细介绍了。我们直接来看如何下载和安装这款编辑器。

下载包

下载包通常包括一个开源的代码仓库。这需要将它加入到你的项目中,这样你就可以体验这款优秀的编辑器了。下载时注意选择正确的版本,如果是Windows系统,可以选择对应的安装包。

使用说明

这款Markdown编辑器具有友好的界面和强大的功能。新手也能快速上手。以下是主要使用方法:

Basic Usage

打开Markdown编辑器,创建一个新文档。你可以直接在编辑器中输入Markdown语法,或者选择从文件加载现有的文档。

代码示例

这里展示一个简单的代码示例:

    Markdown Editor    

Markdown编辑器支持多种语法特性。在线示例和更多功能可以在官方文档中找到。

案例集成

为了更好地理解这款编辑器,我决定将它集成到一个小项目中。我生成了一个简单的博客系统,分为两个页面:编辑页面和博客详情页面。以下是关键步骤:

项目结构

创建一个/static/lib/editormd文件夹,将编辑器的JavaScript和样式文件放入该目录。在你的页面模板中引入相应的资源,可通过如下方式实现:

前端与后端集成

在前端部分,最重要的是初始化编辑器。以下是一个简单的代码示例如下:

$(document).ready(function() {    var editor = editormd('editor', {        // 参数配置        width: '100%',        height: '400px',        syncScrolling: 'single'    });});

在后端部分,我们需要处理Markdown格式的转换和保存。推荐使用CommonMark库,可以通过如下方式进行转换:

public static String markdownToHtml(String markdown) {    Parser parser = Parser.builder().build();    Node document = parser.parse(markdown);    HtmlRenderer renderer = HtmlRenderer.builder().build();    return renderer.render(document);}

工具与资源

关键工具

  • CommonMark:Markdown转HTML的核心工具。
  • Editormd:一款温馨的Markdown编辑器,高度可定制,适合开发者使用。

必要资源

  • CSS文件:需要将库中的CSS文件加到你的页面中。
  • JavaScript文件:同样需要在页面中引入editormd的脚本文件。

注意事项

在使用过程中,需要注意以下几点:

  • 兼容性:确保编辑器与你的项目框架兼容。
  • 服务器配置:如果是部署在服务器上的应用,记得配置好静态资源访问权限。
  • 频率 enh:持续更新文档和功能建议,可以通过项目的GitHub仓库进行反馈和讨论。
  • 集合了以上方法和经验,这款Markdown编辑器已经成为我开发过程中的得力助手。希望能为其他开发者提供有价值的参考!

    转载地址:http://tamwk.baihongyu.com/

    你可能感兴趣的文章
    NI笔试——大数加法
    查看>>
    NLog 自定义字段 写入 oracle
    查看>>
    NLog类库使用探索——详解配置
    查看>>
    NLP 基于kashgari和BERT实现中文命名实体识别(NER)
    查看>>
    NLP 模型中的偏差和公平性检测
    查看>>
    Vue3.0 性能提升主要是通过哪几方面体现的?
    查看>>
    NLP 项目:维基百科文章爬虫和分类【01】 - 语料库阅读器
    查看>>
    NLP_什么是统计语言模型_条件概率的链式法则_n元统计语言模型_马尔科夫链_数据稀疏(出现了词库中没有的词)_统计语言模型的平滑策略---人工智能工作笔记0035
    查看>>
    NLP三大特征抽取器:CNN、RNN与Transformer全面解析
    查看>>
    NLP学习笔记:使用 Python 进行NLTK
    查看>>
    NLP度量指标BELU真的完美么?
    查看>>
    NLP的不同研究领域和最新发展的概述
    查看>>
    NLP的神经网络训练的新模式
    查看>>
    NLP采用Bert进行简单文本情感分类
    查看>>
    NLP问答系统:使用 Deepset SQUAD 和 SQuAD v2 度量评估
    查看>>
    NLP项目:维基百科文章爬虫和分类【02】 - 语料库转换管道
    查看>>
    NLP:使用 SciKit Learn 的文本矢量化方法
    查看>>
    nmap 使用方法详细介绍
    查看>>
    Nmap扫描教程之Nmap基础知识
    查看>>
    nmap指纹识别要点以及又快又准之方法
    查看>>