Phoenix LiveView 中 HEEx 模板的 phx-no-curly-interpolation 特性解析
在 Phoenix LiveView 1.0.1 版本中,HEEx 模板引擎引入了一个新的特性:花括号自动插值。这个特性虽然方便,但在某些特殊场景下可能会带来问题,特别是当我们需要在模板中直接展示包含花括号的代码片段时。
问题背景
在开发 Web 应用时,我们经常需要在页面上展示一些代码示例,特别是 JavaScript 代码。这些代码中通常会包含大量的花括号,例如对象字面量、函数体等。在 LiveView 1.0.1 之前,这些花括号会被 HEEx 模板引擎原样输出,不会进行任何特殊处理。
然而,从 LiveView 1.0.1 开始,HEEx 引入了花括号自动插值功能,这意味着模板引擎会尝试解析花括号中的内容作为 Elixir 表达式。这一变化虽然提高了模板的灵活性,但也带来了新的挑战:当我们确实需要原样输出花括号时,就会遇到编译错误。
解决方案:phx-no-curly-interpolation
LiveView 提供了 phx-no-curly-interpolation 属性来解决这个问题。当我们在 HTML 元素上添加这个属性时,该元素及其子元素中的所有花括号都会被当作普通文本处理,不会被解析为 Elixir 表达式。
使用中的注意事项
虽然 phx-no-curly-interpolation 属性非常有用,但在使用时需要注意一个关键细节:如果在标记区域内使用了传统的 EEx 插值语法 <%= %>,那么该标记区域的花括号解析行为会被重置,后续的花括号又会被当作 Elixir 表达式处理。
这个行为可以通过以下示例来说明:
def render(assigns) do
~H"""
<pre phx-no-curly-interpolation>
// 这部分花括号会被原样输出: { }
const obj = { key: "value" };
// 使用 EEx 插值
const domain = '<%= @domain %>';
// 这部分花括号又会被解析为 Elixir 表达式,导致错误
const { prop } = obj;
</pre>
"""
end
推荐的解决方案
当我们需要在 phx-no-curly-interpolation 区域内同时使用 EEx 插值和保留花括号时,可以采用以下两种方法:
-
分段处理:将需要插值的部分和包含花括号的部分分开处理
-
显式转义花括号:对于必须出现在插值后的花括号,使用
<%= "{" %>的形式进行转义
def render(assigns) do
~H"""
<div class="code-sample">
<pre phx-no-curly-interpolation>
window.addEventListener('message', event => {
if (event.origin !== '<%= @domain %>') return;
const <%= "{" %>prop1, prop2} = event.data;
console.log(prop1, prop2);
});
</pre>
</div>
"""
end
最佳实践
- 尽量将需要插值的部分放在代码块的开始或结束位置,减少中间插值的需要
- 对于复杂的代码展示,考虑使用专门的代码高亮组件
- 在必须混合使用插值和花括号时,确保对每个可能被误解的花括号进行显式转义
- 对于大量需要展示的代码,可以考虑将其存储在单独的文本文件中,通过
File.read/1读取后直接输出
总结
Phoenix LiveView 的 phx-no-curly-interpolation 特性为展示代码片段提供了便利,但开发者需要了解其与 EEx 插值语法交互时的特殊行为。通过合理的分段处理和必要的转义,我们可以轻松地在模板中同时使用动态内容和静态代码展示。理解这一机制有助于开发者更高效地构建包含代码示例的文档型页面或教程类应用。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00