Angular CLI 19.2.0构建时LESS源映射问题解析
问题背景
在Angular CLI 19.2.0版本中,部分开发者遇到了一个与LESS样式预处理相关的构建问题。当项目中启用了源映射(sourcemaps)功能时,构建过程会抛出"undefined is not valid JSON"的错误提示,导致构建失败。这个问题在19.1.x版本中并不存在,属于版本升级后引入的回归性问题。
问题表现
受影响的项目在构建时会显示如下错误信息:
"undefined" is not valid JSON [plugin angular-less]
错误来源于Angular构建系统在处理LESS文件时尝试解析源映射JSON数据,但接收到的却是undefined值。值得注意的是,这个问题在不同项目中的出现频率也不相同,有的项目会出现数十次相同的错误。
临时解决方案
目前已知的临时解决方案是:
- 在angular.json配置文件中禁用源映射功能
- 回退到Angular CLI 19.1.x版本
技术分析
这个问题本质上与LESS编译器本身的行为有关。当配置要求生成源映射时,LESS在某些特定条件下未能正确生成源映射数据,而是返回了undefined。Angular构建系统在处理这种情况时没有做好防御性编程,导致JSON解析失败。
从技术实现角度看,错误发生在Angular构建系统的LESS语言处理器中。当调用sourceMapToUrlComment函数时,它尝试对sourceMap变量执行JSON.parse操作,但该变量实际上是undefined。这表明在compileString阶段,LESS编译器没有按预期返回源映射数据。
影响范围
这个问题主要影响:
- 使用LESS作为样式预处理器的Angular项目
- 在angular.json中启用了源映射功能的项目
- 从19.1.x升级到19.2.0版本的项目
值得注意的是,即使在同一个工作区中,不同项目可能表现出不同的行为,有些能正常构建,有些则会出现错误。这与项目具体的LESS文件内容和配置有关。
官方回应与修复进展
Angular开发团队已经确认了这个问题,并表示已经有一个修复方案正在处理中。不过,团队希望能收集更多关于触发条件的详细信息,以便添加更全面的测试用例,防止未来出现类似的回归问题。
给开发者的建议
对于遇到此问题的开发者,建议:
- 暂时禁用源映射功能作为临时解决方案
- 关注Angular官方更新,及时获取修复版本
- 如果可能,提供最小化重现案例帮助团队完善测试
- 检查项目中是否有特殊的LESS用法或配置,这些可能是触发问题的关键因素
随着前端构建工具链的日益复杂,这类预处理器的集成问题并不罕见。理解问题的根源有助于开发者更好地应对类似情况,并在未来版本升级时做好充分测试。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00