深入解析Vanilla Extract中容器查询在嵌套选择器中的使用限制
2025-05-23 13:59:59作者:江焘钦
Vanilla Extract作为一款流行的CSS-in-JS解决方案,近期在1.14.2版本中出现了一个值得注意的技术问题:容器查询(container queries)无法在嵌套选择器(nested selectors)中正常工作。
问题现象
开发者在使用Vanilla Extract时发现,当尝试在嵌套选择器中使用容器查询时,生成的CSS样式无法正确应用。具体表现为以下代码结构中的容器查询部分未能生效:
export const foo = style({
display: "flex",
selectors: {
[`${postHeaderRecipe.classNames.variants.type.post} &`]: {
paddingInline: space[16],
"@container": {
[containerBreakpoints.s]: {
paddingInline: space[12],
},
},
},
},
})
技术背景
容器查询是CSS的一项新特性,它允许元素根据其容器(而非视口)的尺寸变化来调整样式。与媒体查询(media queries)不同,容器查询提供了更细粒度的响应式控制能力。
在Vanilla Extract中,样式通常通过style函数定义,而嵌套选择器则通过selectors属性实现。当这两种强大特性结合使用时,出现了预期之外的行为。
问题本质
经过分析,这个问题源于Vanilla Extract在处理嵌套选择器时对容器查询的特殊语法支持不足。具体来说:
- 嵌套选择器会生成类似
.parent-selector .child-selector的CSS选择器 - 容器查询需要生成
@container (条件) { ... }的CSS规则 - 在嵌套结构中,这两种语法产生了冲突,导致容器查询规则未能正确输出
解决方案
Vanilla Extract团队已经通过内部代码修复了这个问题。修复方案主要涉及:
- 改进AST(抽象语法树)解析逻辑,正确处理嵌套结构中的容器查询
- 确保生成的CSS中容器查询规则能够正确嵌套在选择器内部
- 保持与现有CSS规范的一致性
最佳实践
虽然问题已经修复,但在使用这些高级CSS特性时,开发者仍应注意:
- 保持Vanilla Extract版本更新,以获取最新的功能支持和bug修复
- 复杂嵌套结构应进行充分测试,确保生成的CSS符合预期
- 考虑使用CSS变量作为替代方案,在某些场景下可能更易于维护
总结
这个案例展示了现代CSS工具链中各种新特性组合使用时可能出现的边界情况。Vanilla Extract团队快速响应并修复了这个问题,体现了该项目对开发者体验的重视。随着CSS新特性的不断涌现,类似的工具链适配工作将持续进行,为开发者提供更强大、更稳定的样式编写体验。
登录后查看全文
热门项目推荐
相关项目推荐
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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
项目优选
收起
deepin linux kernel
C
24
7
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
316
2.74 K
仓颉编译器源码及 cjdb 调试工具。
C++
124
852
Ascend Extension for PyTorch
Python
155
178
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++
639
246
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
241
85
暂无简介
Dart
606
136
React Native鸿蒙化仓库
JavaScript
239
310
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
470
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
364
3.02 K