【转】如何生成Rails和指定gem的rdoc

本文介绍如何使用Rails和RDoc生成本地API文档,包括Rails文档的冻结与访问方法,以及如何为特定Gem如devise生成CHM格式的API文档。此外还提供了生成文档所需的HTML Help Workshop软件的下载链接。
1、生成Rails的rdoc


rails doc_app
cd doc_app
rake rails:freeze:gems
rake doc:rails


成功后会在doc_app的doc目录下生成一个api目录,这里就是当前安装的rails相关组件的全部文档啦。

把这个目录复制到固定目录,把目录下的【index.html】“发送到桌面快捷方式”或者直接打开,然后添加收藏夹,以后便可以随时访问了,至于doc_app,删除即可。

另:
第三步换成


rake rails:freeze:edge


可以制作最新的rails文档。

注:此法生成的API使用极其不方便,建议还是去网站:
[url]http://railsapi.com/[/url]下载或DIY所需API。

2、rdoc生成指定gem的api文档(非windows平台,非ruby1.8自行替换相关路径)

首先,你要先确定你的Windows机器上以前装过MS的【HTML Help Workshop】,如果安装的时候不改路径的话,
【C:\Program Files\HTML Help Workshop】文件夹就是它了。
没装不要紧,以下是下载链接:
[url]http://msdn.microsoft.com/library/default.asp?url=/library/en-us/htmlhelp/html/hwMicrosoftHTMLHelpDownloads.asp[/url]
这个是没装【HTML Help Workshop】,RDoc给出的下载链接,跳转之后是这个:

[url]http://msdn.microsoft.com/en-us/library/ms669985[/url]

3、装好这东西之后,就是运行命令生成.chm了。
这里以devise1.0.8为例:

(1)进到gem目录:
【C:\Ruby\lib\ruby\gems\1.8\gems】,就是gem包devise1.0.8的上一级目录。

(2)运行命令行:

rdoc -f chm [-n file_name ] -o chm_folder gems_folder_name


-f 是生成的文档格式, 支持chm、html、ri、xml
-n 可选参数,给要生成的chm指定名字
-o 是指定一个目录,chm_folder是要生成的chm的存放目录
gems_folder_name是目标gems所在的目录
如:


rdoc -f chm -n devise -o devise-chm devise-1.0.8


运行之后,gem【C:\Ruby\lib\ruby\gems\1.8\gems\devise1.0.8】的chm版本的rdoc就是以下目录:
【C:\Ruby\lib\ruby\gems\1.8\gems\devise-chm】中的文件【devise.chm】

4、另外,会意外地发现,html版本的rdoc也在同一样文件夹下面了。应该是先生成的html,再将html组合成chm的吧。

建议把常用,又不熟悉的gem单独搞个chm文件,用到的时候去翻翻,查查就OK了。

5、再补充下哈。


rdoc -f chm [-n file_name ] -o chm_folder gems_folder_name


中的gems_folder_name可以是多个gem文件夹,它们之间用空格相隔开,当然。版本号是必须的,不然会找不到目标文件夹的。如:


rdoc -f chm -n devise -o devise-chm devise-1.0.8 warden-0.10.7
内容概要:本文围绕六自由度机械臂的人工神经网络(ANN)设计展开,重点研究了正向与逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程,并通过Matlab代码实现相关算法。文章结合理论推导与仿真实践,利用人工神经网络对复杂的非线性关系进行建模与逼近,提升机械臂运动控制的精度与效率。同时涵盖了路径规划中的RRT算法与B样条优化方法,形成从运动学到动力学再到轨迹优化的完整技术链条。; 适合人群:具备一定机器人学、自动控制理论基础,熟悉Matlab编程,从事智能控制、机器人控制、运动学六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)建模等相关方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①掌握机械臂正/逆运动学的数学建模与ANN求解方法;②理解拉格朗日-欧拉法在动力学建模中的应用;③实现基于神经网络的动力学补偿与高精度轨迹跟踪控制;④结合RRT与B样条完成平滑路径规划与优化。; 阅读建议:建议读者结合Matlab代码动手实践,先从运动学建模入手,逐步深入动力学分析与神经网络训练,注重理论推导与仿真实验的结合,以充分理解机械臂控制系统的设计流程与优化策略。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值