SwiftFormat 中 organizeDeclarations 规则处理空白行的优化解析
在 Swift 代码格式化工具 SwiftFormat 的使用过程中,开发者可能会遇到一个关于 organizeDeclarations 规则的有趣问题。这个规则旨在自动组织类或结构体中的声明顺序,并添加适当的 MARK 注释来划分不同访问级别的代码块。
问题的核心在于当原始代码中包含仅含空白字符的空行时,organizeDeclarations 规则会在处理后产生多余的空行。例如,考虑以下原始代码:
public class TestClass {
var variable01 = 1
var variable02 = 2
var variable03 = 3
var variable04 = 4
var variable05 = 5
public func foo() {
}
internal func bar() {
}
private func baz() {
}
}
当应用 organizeDeclarations 规则后,输出结果会在 MARK 注释后产生额外的空行:
public class TestClass {
// MARK: Public
public func foo() {
}
// MARK: Internal
var variable01 = 1
var variable02 = 2
var variable03 = 3
var variable04 = 4
var variable05 = 5
internal func bar() {
}
// MARK: Private
private func baz() {
}
}
这种现象的产生原因是 SwiftFormat 在处理空白行时的一个边界情况。原始代码中的空行实际上包含空白字符(如空格或制表符),而格式化工具未能完全识别这些"看似空"但实际上包含内容的行。当 organizeDeclarations 规则尝试在声明之间添加分隔时,它会保留这些空白行,同时添加自己的格式化空行,导致最终结果中出现重复的空行。
这个问题在实际开发中可能会引起一些困扰,特别是当项目同时使用 SwiftFormat 和 SwiftLint 这类工具时。SwiftLint 可能会将这些多余的空行标记为问题,而开发者运行 SwiftFormat 的检查命令时又会报告 organizeDeclarations 规则存在问题,形成一种工具间的"乒乓效应"。
幸运的是,SwiftFormat 的开发团队已经识别并修复了这个问题。修复方案主要改进了空白行的处理逻辑,确保在添加 MARK 注释和重新组织声明时,能够正确识别和处理仅含空白字符的行。这个修复已经在 SwiftFormat 的 0.54.6 版本中发布。
对于开发者而言,这个案例提醒我们在使用代码格式化工具时需要注意几个要点:
- 空白字符的处理往往容易被忽视,但它们可能影响格式化结果
- 当同时使用多个代码质量工具时,要注意它们之间的交互可能产生意外结果
- 保持工具版本更新可以获取最新的问题修复和功能改进
理解这些底层机制有助于开发者更好地利用工具提升代码质量,同时在遇到问题时能够更快地定位原因并找到解决方案。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C0105
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00