Preact 10.25.0 SVG元素href属性类型缺失问题解析
在Preact 10.25.0版本中,开发团队对元素属性类型进行了更严格的类型检查,这一改进虽然提升了类型安全性,但也意外引入了一个关于SVG元素href属性的类型定义问题。
问题背景
Preact作为React的轻量级替代方案,其类型系统对于开发者体验至关重要。在10.25.0版本中,开发团队重构了属性类型系统,使SVGAttributes不再继承自包含所有HTML属性的巨型接口,而是改为仅继承真正全局的属性/属性接口。这一变化虽然合理,但导致了SVG特有的href属性从类型定义中意外丢失。
技术细节
在SVG规范中,<use>、<foreignObject>、<image>和<script>等元素都支持href属性。虽然历史上这个属性需要放在xlink命名空间中,但现代浏览器已经支持直接使用href属性长达十年之久。
当开发者尝试在Preact 10.25.0中使用类似以下代码时:
function Hello() {
return (<use href="#abc" />);
}
类型检查器会报错,因为href属性没有被包含在SVGAttributes的类型定义中。
解决方案
Preact开发团队已经确认这是一个疏忽而非有意设计。在之前的版本中,由于SVGAttributes继承自包含所有HTML属性的接口,href属性被自动包含。但在新版本的类型系统重构后,需要显式地将href添加到SVGAttributes接口中。
值得注意的是,xlinkHref和xlink:href等SVG特有的属性已经被正确包含在SVG接口中,因为它们确实是SVG特有的属性。
对开发者的建议
对于遇到此问题的开发者,可以采取以下措施:
- 暂时使用
xlinkHref作为替代方案(如果项目不需要支持非常旧的浏览器) - 等待Preact的下一个修复版本发布
- 在本地类型定义中临时扩展SVGAttributes接口
Preact团队鼓励开发者报告类似问题,因为类型系统的重构涉及大量变更,可能存在其他未被发现的边缘情况。这类反馈对于完善Preact的类型系统至关重要。
总结
这个案例展示了即使是经过充分测试的重大变更,也可能遗漏某些特定场景。Preact团队对社区反馈的快速响应体现了他们对开发者体验的重视。对于使用SVG与Preact结合的开发者来说,了解这一变更有助于更好地处理类型相关问题。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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