CodeMirror 自定义代码折叠层级实现指南
背景介绍
在代码编辑器中,代码折叠是一项提高代码可读性和编辑效率的重要功能。CodeMirror作为一款功能强大的代码编辑器,提供了默认的代码折叠功能,但有时开发者需要更精细地控制折叠层级,而不是简单地全部折叠。
问题描述
CodeMirror默认的foldAll方法会将所有可折叠的代码块全部折叠,这可能导致某些情况下显示过于简洁(如仅显示{}),而开发者可能希望保留某些层级的结构可见。例如,在处理JSON或嵌套对象时,我们可能希望只折叠最外层结构,而保持内层结构展开。
解决方案
要实现自定义层级的代码折叠,我们需要利用CodeMirror的语法树分析能力和折叠效果API。以下是实现步骤:
-
分析语法树:首先需要遍历文档的语法树,识别出需要折叠的代码块节点。
-
确定折叠层级:根据语法节点的深度或类型,筛选出特定层级的节点。
-
应用折叠效果:对选中的节点应用折叠效果,而不是简单地折叠全部内容。
实现代码示例
import { foldEffect } from '@codemirror/language';
function customFoldLevels(view, maxLevel = 1) {
let effects = [];
let tree = syntaxTree(view.state);
// 遍历语法树
tree.iterate({
enter(node) {
// 根据节点类型和深度判断是否需要折叠
if (node.type.is("Block") && getNodeDepth(node) <= maxLevel) {
effects.push(foldEffect.of({
from: node.from,
to: node.to
}));
}
}
});
if (effects.length) {
view.dispatch({ effects });
}
}
// 辅助函数:获取节点深度
function getNodeDepth(node) {
let depth = 0;
while (node.parent) {
depth++;
node = node.parent;
}
return depth;
}
关键点解析
-
语法树遍历:使用
syntaxTree获取当前文档的语法树结构,然后通过iterate方法遍历所有节点。 -
节点筛选:在遍历过程中,可以根据节点类型(
node.type)和深度(getNodeDepth)来筛选需要折叠的特定层级节点。 -
折叠效果应用:对选中的节点范围(from/to)创建折叠效果,并通过
view.dispatch应用这些效果。
进阶应用
-
基于节点类型的折叠:可以扩展筛选条件,针对特定类型的节点(如函数体、循环体等)实现折叠。
-
交互式折叠控制:结合编辑器命令,实现快捷键控制不同层级的折叠。
-
持久化折叠状态:将用户的折叠偏好保存起来,下次打开文档时恢复相同的折叠状态。
注意事项
-
确保在编辑器扩展中正确配置了语言支持,以便语法树能够正确解析。
-
对于大型文档,频繁的语法树遍历可能影响性能,可以考虑优化遍历范围或使用缓存。
-
不同的语言可能需要不同的节点类型判断逻辑,需要根据具体语言规范调整实现。
通过这种自定义折叠层级的实现方式,开发者可以更灵活地控制代码显示结构,提升代码编辑体验。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00