Milkdown项目中的代码块语言列表配置问题解析
2025-05-25 20:08:41作者:虞亚竹Luna
在Milkdown编辑器的Crepe预设中,开发者可能会遇到代码块语言列表配置失效的问题。本文将深入分析该问题的技术背景,并提供两种不同的解决方案。
问题现象
当使用Crepe预设时,即使通过@milkdown/kit/component/code-block组件显式指定了语言列表,代码块的语言选择器中仍然会加载CodeMirror提供的所有语言选项。这与预期行为不符,开发者通常希望只显示自己指定的语言子集。
技术背景分析
Milkdown的代码块功能基于CodeMirror实现,语言支持数据来自@codemirror/language-data包。在标准配置中,开发者可以通过更新编辑器上下文中的codeBlockConfig来定制语言列表。然而,Crepe预设采用了不同的配置机制。
解决方案
方案一:使用Crepe的featureConfigs
Crepe提供了专门的配置接口featureConfigs来处理预设功能的定制:
const crepe = new Crepe({
root: editorEl,
featureConfigs: {
"code-mirror": {
languages: myLanguages, // 自定义语言数组
},
},
});
这种方式是Crepe推荐的配置方法,它会正确覆盖默认的语言列表。
方案二:手动配置编辑器上下文
对于需要更精细控制的场景,可以在Crepe初始化后通过编辑器实例进行配置:
crepe.editor.config((ctx) => {
ctx.update(codeBlockConfig.key, (defaultConfig) => ({
...defaultConfig,
languages: myLanguages,
}));
});
最佳实践建议
- 优先使用Crepe提供的
featureConfigs接口进行配置 - 对于复杂场景,可以结合两种方法使用
- 注意配置顺序,Crepe初始化后的配置可能会覆盖之前的设置
总结
理解Milkdown不同配置层级的差异对于正确定制编辑器行为至关重要。Crepe预设通过featureConfigs提供了更简洁的配置方式,而手动配置则提供了更大的灵活性。开发者应根据具体需求选择合适的配置方法。
通过本文的分析,开发者可以更好地掌握Milkdown中代码块功能的定制方法,避免常见的配置陷阱。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
453
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
893
676
暂无简介
Dart
802
199
openEuler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。
C
350
203
昇腾LLM分布式训练框架
Python
118
147
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
781