博客
关于我
替换 WordPress 的编辑器为百度 UEditor 编辑器
阅读量:468 次
发布时间:2019-03-06

本文共 959 字,大约阅读时间需要 3 分钟。

替换WordPress自带编辑器为百度UEditor插件:安装与使用指南

百度开源富文本编辑器UEditor近年来在WordPress环境下的应用日益广泛。作为替代WordPress自带的不太理想的TinyMCE编辑器,本文将详细介绍如何在WordPress后台替换为UEditor,并分享使用体验。

开发背景

UEditor插件最初由taoqili开发,随后由SamLiu进行改进。然而,两位开发者均未继续更新版本。后来,大山在此基础上对插件进行了更新,支持到了UEditor1.4.3版本。此外,大山还在插件基础上集成了KityFormula数学公式编辑功能,为用户提供了更强大的编辑能力。

安装与使用

  • 插件获取

    该插件支持WordPress 4.6及以上版本,理论上不支持WordPress 3.3以下版本。建议在最新版本环境中进行安装。

  • 安装步骤

    下载UEditor-KityFormula插件后,将其解压到WordPress插件目录中。通常路径为/wp-content/plugins/UEditor-KityFormula。或者,直接通过WordPress后台上传插件功能进行安装。

  • 插件配置

    插件默认配置下,编辑器界面会显示滚动条,宽度自动调整,高度为500px。如需调整编辑器初始大小,可通过editor_config.js配置文件进行设置。

  • 功能特点

  • 性能表现

    比较于其他WordPress编辑器插件,UEditor在速度和稳定性方面表现更优。

  • 数学公式支持

    集成KityFormula功能后,用户可以直接在编辑器中输入数学公式,并以图像形式显示。

  • 图片处理

    需注意,插件在上传图片时不会自动将图片插入WordPress媒体库。建议手动将图片添加至媒体库,或通过插件提供的功能进行处理。

  • 注意事项

  • 浏览器兼容性

    UEditor1.4.3版本后不再支持IE6和IE7浏览器。建议使用现代浏览器进行编辑。

  • 插件更新

    大山对插件的维护较为积极,后续版本更新会继续提供支持。此外,插件代码已在GitHub上开源,欢迎社区贡献。

  • 总结

    通过本文的介绍,用户可以轻松将WordPress自带编辑器替换为UEditor插件,享受更强大的编辑功能。如有疑问或需求,可访问提供的演示地址或转至插件发布地址获取更多信息。

    转载地址:http://vgobz.baihongyu.com/

    你可能感兴趣的文章
    nuget.org 无法加载源 https://api.nuget.org/v3/index.json 的服务索引
    查看>>
    Nuget~管理自己的包包
    查看>>
    NuGet学习笔记001---了解使用NuGet给net快速获取引用
    查看>>
    nullnullHuge Pages
    查看>>
    NullPointerException Cannot invoke setSkipOutputConversion(boolean) because functionToInvoke is null
    查看>>
    null可以转换成任意非基本类型(int/short/long/float/boolean/byte/double/char以外)
    查看>>
    Number Sequence(kmp算法)
    查看>>
    Numix Core 开源项目教程
    查看>>
    numpy
    查看>>
    Numpy 入门
    查看>>
    NumPy 库详细介绍-ChatGPT4o作答
    查看>>
    NumPy 或 Pandas:将数组类型保持为整数,同时具有 NaN 值
    查看>>
    numpy 或 scipy 有哪些可能的计算可以返回 NaN?
    查看>>
    numpy 数组 dtype 在 Windows 10 64 位机器中默认为 int32
    查看>>
    numpy 数组与矩阵的乘法理解
    查看>>
    NumPy 数组拼接方法-ChatGPT4o作答
    查看>>
    numpy 用法
    查看>>
    Numpy 科学计算库详解
    查看>>
    Numpy.fft.fft和numpy.fft.fftfreq有什么不同
    查看>>
    numpy.linalg.norm(求范数)
    查看>>