使用Mkdocs构建你的项目文档

简介:



使用Mkdocs构建你的项目文档

环境搭建

安装必需软件

作者是在windows下安装的,如果是linux或mac用户,官网有更详细的安装说明。

windows 10 x64

当然还有广大的windows 7/8 用户,也是适用的。

python 3.4 x86版本(必备依赖)

下载地址:https://www.python.org/downloads/release/python-344rc1/

pip(pytone包管理器)

下载地址:https://pypi.python.org/pypi/pip

下载文件并解压到某个文件夹下,并使用CMD进入到解压后的文件夹目录

执行安装命令:

cd C:\Python34\pip-9.0.1
C:\Python34\pip-9.0.1>python setup.py install

安装mkdocs(把markdown转成静态html)

pip install mkdocs

端口被占用

开启MkDocs的服务器,报以下错:[WinError 10013] 以一种访问权限不允许的方式做了一个访问套接字的尝试。

原因是默认的8000端口被占用,在官网文档中找到修改端口的方法:

https://markdown-docs-zh.readthedocs.io/zh_CN/latest/user-guide/configuration/

例如:我修改端口号为8001

:: Run on port 8001, accessible over the local network.(http://127.0.0.1:8001/) , if 8000 port is used by other.
mkdocs serve --dev-addr=0.0.0.0:8001

安装部分参考文章:http://www.cnblogs.com/yuanzm/p/4089856.html

编辑站点

使用markdown格式编写文档,并在mkdocs.yml 中组织目录结构

关于markdown的知识,可以参考我的博客:Markdown(MD)写作

mkdocs.yml的配置信息,请参考:https://markdown-docs-zh.readthedocs.io/zh_CN/latest/#_10

生成站点

生成静态的html,执行以下命令会创建一个site目录,并把生成后的静态html放在site目录。你可以对这些静态html进行版本控制。

mkdocs build

PS.如果你是托管在github上,那么使用gh-deploy也许更适合你。

发布站点

如果你的网站是托管在github在,那么事情会变的很简单

示例:默认发布到gh-pages分支,并在生成静态html时,清理不存在的文件

mkdocs gh-deploy --clean

deploy文档:http://www.mkdocs.org/user-guide/deploying-your-docs/

建议在开发阶段使用mkdocs serve

发布阶段使用 mkdocs gh-deploy

MkDocs中文文档:https://markdown-docs-zh.readthedocs.io/zh_CN/latest/#mkdocs




本文出自赵青青,原文链接:http://www.cnblogs.com/zhaoqingqing/p/7501062.html,如需转载请自行联系原作者

相关文章
|
存储 数据库
掌握GitLab数据备份与恢复:全面操作指南
【10月更文挑战第11天】 GitLab作为一个流行的开源代码仓库管理系统,其数据的安全性和完整性至关重要。本文将详细介绍GitLab数据的备份与恢复流程,帮助用户掌握如何保护和管理他们的GitLab实例。
1824 0
|
机器学习/深度学习 存储 API
Python Web 深度学习实用指南:第三部分
Python Web 深度学习实用指南:第三部分
375 2
|
开发工具 Android开发 git
Git(2) 实用技巧:打包、补丁、环境切换、修改记录和加速
Git实用技巧包括:打包差异文件或补丁、在Git和Repo环境间切换、批量修改提交记录中的用户名和邮箱、设置Git命令别名以及解决下载速度慢和超时问题。这些技巧能提升Git使用效率和便捷性。
625 0
|
3月前
|
机器学习/深度学习 数据采集 人工智能
指令微调是什么:让大模型听懂人话的关键技术
指令微调(Instruction Tuning)是提升大模型“听懂人话”能力的关键技术:通过高质量指令-响应对训练,使模型从“会说话”进阶为“懂意图、会回应”,显著增强零样本泛化、任务适应与安全性,已成为大模型落地的必备环节。
|
4月前
|
人工智能 缓存 物联网
从0到1:大模型算力配置不需要人,保姆级选卡与显存计算手册
本文深入解析大模型算力三阶段:训练、微调与推理,类比为“教育成长”过程,详解各阶段技术原理与GPU选型策略,涵盖显存计算、主流加速技术(如LoRA/QLoRA)、性能评估方法及未来趋势,助力开发者高效构建AI模型。
1085 2
|
机器学习/深度学习 人工智能 TensorFlow
解锁AI潜力:让开源模型在私有环境绽放——手把手教你搭建专属智能服务,保障数据安全与性能优化的秘密攻略
【10月更文挑战第8天】本文介绍了如何将开源的机器学习模型(如TensorFlow下的MobileNet)进行私有化部署,包括环境准备、模型获取与转换、启动TensorFlow Serving服务及验证部署效果等步骤,适用于希望保护用户数据并优化服务性能的企业。
700 4
|
存储 安全 API
Android经典实战之存储方案对比:SharedPreferences vs MMKV vs DataStore
本文介绍了 Android 开发中常用的键值对存储方案,包括 SharedPreferences、MMKV 和 DataStore,并对比了它们在性能、并发处理、易用性和稳定性上的特点。通过实际代码示例,帮助开发者根据项目需求选择最适合的存储方案,提升应用性能和用户体验。
1304 1
|
搜索推荐 Java 自然语言处理
天猫精灵DIY--技能应用
简述天猫精灵技能开发的基础操作
天猫精灵DIY--技能应用