前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >展望 WordPress 5.0 会给我们带来哪些更新?

展望 WordPress 5.0 会给我们带来哪些更新?

作者头像
明月登楼
发布于 2018-07-30 02:33:30
发布于 2018-07-30 02:33:30
1.5K0
举报

目前 WordPress 最后的一个正式版已经到 4.9.7 了, WordPress 5.0 也即将到来了,那么 WordPress 5.0 会给我们带来哪些更新呢?

古登堡(Gutenberg)编辑器

图片来自明月登楼博客【imydl.com】
图片来自明月登楼博客【imydl.com】

Gutenberg,古登堡,1397 年出生于德国,是西方国家活字印刷术的发明人,从而引导了一次媒介革命,其历史地位与中国的毕昇比肩(当然,古登堡比毕昇晚了 400 多年),全名叫约翰内斯·古腾堡,WordPress 新的编辑器取名古腾堡意在向这段历史致敬。

WordPress 新的编辑器被命名为 Gutenberg ,显然被寄予了极大的期望。作为模块编辑器,Gutenberg 的开发目标是,让用户添加和编辑富文本内容更加简单和愉悦。

使用新的编辑器添加内容,基本上不需要用户掌握任何 HTML 知识,不需要输入短代码,不需要为嵌入其他网页的 embed 元素而发愁。所有的网页内容都被模块化,你只需要根据提示加入你想要的 block 就可以了。

图片来自明月登楼博客【imydl.com】
图片来自明月登楼博客【imydl.com】

古登堡(Gutenberg)编辑器一直以来都是以“插件”形式存在着,目前已经更新到了 3.3.0 版,也已经完美的支持中文了,大家想了解和体验的可以移步 WordPress 插件库专页了解Gutenberg(古腾堡)。下面给大家分享一个简单的古登堡(Gutenberg)编辑器插件体验总结。


相比此前 WordPress 自带的编辑器,新版编辑器的界面有了很大的变化,初次使用可能需要点时间来重新适应,整体看起来十分的清爽,但体验也更好了。

图片来自明月登楼博客【imydl.com】
图片来自明月登楼博客【imydl.com】

界面风格 接下来,将逐步介绍新版编辑器与旧版编辑器的不同

图片来自明月登楼博客【imydl.com】
图片来自明月登楼博客【imydl.com】

文章格式工具栏(旧版)

图片来自明月登楼博客【imydl.com】
图片来自明月登楼博客【imydl.com】

文章格式工具栏(新版)

旧版的编辑器,工具栏位于正文的上方,而新版的编辑器则进行了拆分,首先是左上角的加号

图片来自明月登楼博客【imydl.com】
图片来自明月登楼博客【imydl.com】

添加内容块

这个加号是添加内容块的按钮,点击展开后我们可以发现很多内置的内容块,包括段落、图片、音频、画册等

其次是段落的编辑

图片来自明月登楼博客【imydl.com】
图片来自明月登楼博客【imydl.com】

段落块编辑

当鼠标选定段落的时候,在段落上方会出现一些格式化工具,可以直接对内容的格式进行操作,不必再和此前旧版编辑器那样将鼠标移至正文上方,缩减了鼠标移动距离。

除此之外,当鼠标选定内容的时候,我们可以发现左侧和右侧均有一些操作按钮。左侧的上下箭头是用来调整内容块位置的,当我们点击向上箭头,内容块将和前面的内容块进行交换,反之亦然。而右侧的竖向省略号点击后则展开一些便携操作,主要是针对内容块的格式调整。

图片来自明月登楼博客【imydl.com】
图片来自明月登楼博客【imydl.com】

内容块便携操作

那么,有读者可能会好奇怎么修改文字的大小和颜色这些格式呢?其实很简单,我刚开始也有疑问,后来才发现这些操作都移到右边栏了,选择 Block 这个 Tab 就可以,默认是 Document。

图片来自明月登楼博客【imydl.com】
图片来自明月登楼博客【imydl.com】

右边栏操作界面

这里,你可以设置文字的大小、背景颜色、字体颜色、对齐方式,甚至可以添加 CSS 的类,使得样式的调整更加灵活了。

至此,我相信读者已经发现古腾堡的一个特点,那就是操作都是围绕块(Block)进行的,这也是新版编辑器的一个理念。目前互联网上的一些自媒体平台都是采用这种理念,比如国际知名的写作平台 Medium

图片来自明月登楼博客【imydl.com】
图片来自明月登楼博客【imydl.com】

Medium 编辑界面

以上,便是关于 WordPress 新版编辑器 Gutenberg-古腾堡 的基本介绍,更多新功能和玩法大家可以自行安装体验。

直接在插件后台搜索 Gutenberg 即可,如下图:

图片来自明月登楼博客【imydl.com】
图片来自明月登楼博客【imydl.com】

增强的安全功能

当然 WordPress 5.0 的更新并不仅仅是更新了编辑器,鉴于 2017 年 1 月发生的严重的 WordPress REST API 攻击事件, WordPress 已经引入了一些安全功能,例如推荐使用 SSL 证书托管网站、两步身份验证、应用程序密码等。

两步验证(Two Factor Authentication)指的是用户登录账户的时候,除了要输入用户名和密码,还要求用户输入一个随机生成发送到手机的动态密码,为帐户额外添加了一层保护,即使入侵者窃取了用户的密码,也会因不能使用用户的手机而无法登录帐户。

图片来自明月登楼博客【imydl.com】
图片来自明月登楼博客【imydl.com】

移动端体验的继续加强

虽然 WordPress 已经在移动端领域也取得了相当不错的成绩,但 WordPress 团队称正在移动设备上为 WP 站点提供与桌面端类似的高级查看和编辑选项,不断改善开发人员和用户的移动体验,减少桌面和移动设备之间网站维护的差异。此外,现在大多数 WP 主题都是响应式的了。

图片来自明月登楼博客【imydl.com】
图片来自明月登楼博客【imydl.com】

基于 SaaS 的解决方案

SaaS 是 Software-as-a-Service 的简称,意思是软件即服务。SaaS 是随着互联网技术的发展和应用软件的成熟,而在 21 世纪开始兴起的一种通过 Internet 提供软件的模式,厂商将应用软件统一部署在自己的服务器上,客户可以根据自己实际需求,通过互联网向厂商定购所需的应用软件服务,按定购的服务多少和时间长短向厂商支付费用,并通过互联网获得厂商提供的服务。对于许多小型企业或个人用户来说,SaaS 是采用先进技术的最好途径,它消除了用户购买、构建和维护基础设施和应用程序的需要。 SaaS 应用程序会自动更新,并且由于它们是从云端运行的,因此它们不会消耗用户服务器的宝贵资源,从而提高了网站性能。

SaaS 已经在互联网上广泛流行,WordPress 团队似乎也在转向该解决方案。 由 Matt Mullenweg 创立的 WooCommerce 已经实现了 Woo 插件和插件的自动更新。 在未来的 WordPress 版本中,我们可能会看到更多基于 SaaS 的解决方案。

图片来自明月登楼博客【imydl.com】
图片来自明月登楼博客【imydl.com】

综上所述, WordPress 5.0 还是很值得让人期待的呀!可惜依旧没有明月期盼已久的官方原生 MarkDown 语法的支持,唉!总体上 WordPress 5.0 还是在易用性上追求更大的突破,这点儿从编辑器、SaaS 、移动端更好的支持上都可以看的出来,无论是个人还是企业选择 WordPress 都是一个不错的开始。

本文系转载,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文系转载,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
登录后参与评论
暂无评论
推荐阅读
一种通用的图像分割模型
  图像分割研究像素分组问题,对像素进行分组的不同语义产生了不同类型的分割任务,例如全景分割、实例分割或语义分割。虽然这些任务中只有语义不同,但目前的研究侧重于为每个任务设计专门的架构。Mask2Former是一个能够处理图像多种分割任务(全景分割、实例分割、语义分割)的新框架。它的关键组件是掩码注意力机制,通过约束预测掩码区域内的交叉注意来提取局部特征。Mask2Former将研究工作减少了至少三倍,且在四个流行的数据集上大大优于最好的专业架构。
Srlua
2024/12/13
1540
一种通用的图像分割模型
3W字长文带你轻松入门视觉Transformer
Transformer整个网络结构完全由Attention机制组成,其出色的性能在多个任务上都取得了非常好的效果。本文从Transformer的结构出发,结合视觉中的成果进行了分析,能够帮助初学者们快速入门。
石晓文
2020/12/08
1.1K0
3W字长文带你轻松入门视觉Transformer
STF-顶会图像压缩方法
随着视觉应用的日益增多,图像压缩已经成为图像处理领域的一个重要研究课题。传统的图像压缩方法,如JPEG、JPEG2000等,主要依赖于手工设计的规则,虽然这些方法在一定程度上解决了图像存储和传输的问题,但在处理复杂纹理和细节方面存在局限性。近年来,基于卷积神经网络(CNN)的学习型图像压缩方法展示了优越的率失真性能。然而,CNN在捕捉局部冗余和非重复纹理方面仍存在不足,这限制了图像重建质量的进一步提升。
Srlua
2024/12/20
1320
STF-顶会图像压缩方法
【论文复现】DETR3D:3D目标检测
DETR3D介绍了一种多摄像头的三维目标检测的框架。与现有的直接从单目图像中估计3D边界框或者使用深度预测网络从2D信息中生成3D目标检测的输入相比,DETR3D直接在3D空间中进行预测。DETR3D从多个相机图像中提取2D特征,使用3D对象查询的稀疏集来索引这些2D特征。使用相机变换矩阵将3D位置链接到多视图图像。最后对每个目标单独进行边界框预测,使用集合到集合的损失来衡量真值和预测之间的差异。
Eternity._
2024/12/18
3690
【论文复现】DETR3D:3D目标检测
SINE:上下文示例驱动,打造真正的通用分割模型 | NeurIPS'24
论文: A Simple Image Segmentation Framework via In-Context Examples
VincentLee
2025/01/02
1151
SINE:上下文示例驱动,打造真正的通用分割模型 | NeurIPS'24
PANet、DANet、FastFCN、OneFormer…你都掌握了吗?一文总结图像分割必备经典模型(三)
 机器之心专栏 本专栏由机器之心SOTA!模型资源站出品,每周日于机器之心公众号持续更新。 本专栏将逐一盘点自然语言处理、计算机视觉等领域下的常见任务,并对在这些任务上取得过 SOTA 的经典模型逐一详解。前往 SOTA!模型资源站(sota.jiqizhixin.com)即可获取本文中包含的模型实现代码、预训练模型及 API 等资源。 本文将分 3 期进行连载,共介绍 19 个在图像分割任务上曾取得 SOTA 的经典模型。 第 1 期:FCN、ReSeg、U-Net、ParseNet、DeepMask、S
机器之心
2023/05/22
2.2K0
PANet、DANet、FastFCN、OneFormer…你都掌握了吗?一文总结图像分割必备经典模型(三)
Transformers 4.37 中文文档(六十八)
FocalNet 模型是由 Jianwei Yang、Chunyuan Li、Xiyang Dai、Lu Yuan、Jianfeng Gao 在焦点调制网络中提出的。FocalNets 完全用焦点调制机制取代了自注意力(在模型中使用,如 ViT 和 Swin),用于建模视觉中的令牌交互。作者声称,FocalNets 在图像分类、目标检测和分割任务上优于基于自注意力的模型,且具有类似的计算成本。
ApacheCN_飞龙
2024/06/26
2130
Transformers 4.37 中文文档(六十八)
【源头活水】Sparse R-CNN:简化版fast rcnn
“问渠那得清如许,为有源头活水来”,通过前沿领域知识的学习,从其他研究领域得到启发,对研究问题的本质有更清晰的认识和理解,是自我提高的不竭源泉。为此,我们特别精选论文阅读笔记,开辟“源头活水”专栏,帮助你广泛而深入的阅读科研文献,敬请关注。
马上科普尚尚
2020/12/31
2.1K0
【源头活水】Sparse R-CNN:简化版fast rcnn
【论文复现】transformer
Transformer模型,这一革命性的神经网络架构,由谷歌团队于2017年率先在机器翻译领域推出。针对传统模型在处理长距离文本依赖时的局限性和并行化困难,Transformer引入了一种全新的设计理念——自注意力机制(Self-Attention)。这一机制允许模型在处理每个输入位置时,都能灵活关联序列中的其他部分,极大地增强了模型捕捉长距离依赖的能力。此外,Transformer还融合了残差连接(Residual Connections)与层归一化(Layer Normalization)等优化策略,不仅加速了训练进程,还显著提升了模型的性能表现。
Eternity._
2024/11/26
2390
【论文复现】transformer
搞懂 Vision Transformer 原理和代码,看这篇技术综述就够了
本文对Vision Transformer的原理和代码进行了非常全面详细的解读,一切从Self-attention开始、Transformer的实现和代码以及Transformer+Detection:引入视觉领域的首创DETR。
AI算法与图像处理
2021/01/20
8K0
搞懂 Vision Transformer 原理和代码,看这篇技术综述就够了
Transformers 4.37 中文文档(九十七)
X-CLIP 模型是由 Bolin Ni、Houwen Peng、Minghao Chen、Songyang Zhang、Gaofeng Meng、Jianlong Fu、Shiming Xiang、Haibin Ling 在扩展语言-图像预训练模型以用于通用视频识别中提出的。X-CLIP 是对视频的 CLIP 的最小扩展。该模型包括文本编码器、跨帧视觉编码器、多帧集成 Transformer 和视频特定提示生成器。
ApacheCN_飞龙
2024/06/26
2470
Transformers 4.37 中文文档(七十七)
SeamlessM4T-v2 模型是由 Meta AI 的 Seamless Communication 团队在Seamless: Multilingual Expressive and Streaming Speech Translation中提出的。
ApacheCN_飞龙
2024/06/26
2980
pytorch实现的transformer代码分析
代码来源:https://github.com/graykode/nlp-tutorial/blob/master/5-1.Transformer/Transformer-Torch.py
西西嘛呦
2020/08/26
9620
GPT-2没什么神奇的,PyTorch 就可以复现代码
我读过的最精彩、解释最清楚的文章之一是「The Annotated Transformer」https://nlp.seas.harvard.edu/2018/04/03/attention.html 。它引起了前所未有的关注,一个简单的想法就是用一个文件注释你所需要的代码。
AI研习社
2020/02/27
3.4K0
GPT-2没什么神奇的,PyTorch 就可以复现代码
【论文解读】A Survey on Visual Transformer及引文理解
A Survey on Visual Transformer阅读,以及自己对相关引文的理解。
黄博的机器学习圈子
2021/02/12
2.1K0
【论文解读】A Survey on Visual Transformer及引文理解
搞懂 Vision Transformer 原理和代码,看这篇技术综述就够了(二)
本文为详细解读Vision Transformer的第二篇,主要包括三个方向的分类:可变形的Transformer ,用于分类任务的Transformer ,用于底层视觉任务的Transformer,分别对应了三篇相关论文。附有超详细的代码解读。 >>加入极市CV技术交流群,走在计算机视觉的最前沿
godweiyang
2021/04/08
3.5K0
搞懂 Vision Transformer 原理和代码,看这篇技术综述就够了(二)
【论文复现】DETR[端到端目标检测]
在目标检测需要许多手工设计的组件,例如非极大值抑制(NMS),基于人工经验生成的先验框(Anchor)等。DETR这篇文章通过将目标检测作为一个直接的集合预测问题,减少了人工设计组件的知识,简化了目标检测的流程。给定一组固定的可学习的目标查询,DETR推理目标和全局图像的上下文关系,由于DETR没有先验框的约束,因此对于较大的物体预测性能会更好。
Eternity._
2024/12/04
3090
【论文复现】DETR[端到端目标检测]
【论文复现】股票评论的情感分类器
下面我将使用Pytorch框架来对《Sentiment analysis method based on sentiment lexicon and Transformer》一文中的Transformer情感分类器进行实现,在这里,我使用现有的2022年英文股评数据集作为初始数据,为其创建情感词典,实现句子转向量并完成Transformer模型的训练过程。
Eternity._
2024/12/24
930
【论文复现】股票评论的情感分类器
Transformers 4.37 中文文档(六十六)
Deformable DETR 模型是由 Xizhou Zhu,Weijie Su,Lewei Lu,Bin Li,Xiaogang Wang,Jifeng Dai 在Deformable DETR: Deformable Transformers for End-to-End Object Detection中提出的。Deformable DETR 通过利用一个新的可变形注意力模块,该模块只关注参考周围一小组关键采样点,从而缓解了原始 DETR 的收敛速度慢和特征空间分辨率有限的问题。
ApacheCN_飞龙
2024/06/26
5380
Transformers 4.37 中文文档(六十六)
Transformers 4.37 中文文档(八十一)
Whisper 模型由 Alec Radford、Jong Wook Kim、Tao Xu、Greg Brockman、Christine McLeavey、Ilya Sutskever 在通过大规模弱监督实现稳健语音识别中提出。
ApacheCN_飞龙
2024/06/26
1.1K0
推荐阅读
相关推荐
一种通用的图像分割模型
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档