Tiptap编辑器@提及功能全攻略:从技术选型到企业级实践
2026-04-15 08:26:31作者:薛曦旖Francesca
痛点分析
在开发富文本编辑器时,实现@用户提及功能往往比想象中复杂。我们团队曾遇到三个典型难题:触发字符输入后建议列表卡顿、大量用户数据导致的性能问题、以及多类型提及(用户/标签)的冲突处理。特别是在协作场景下,传统实现方案要么扩展性不足,要么需要编写大量自定义逻辑,平均开发周期超过10天。
技术选型
| 实现方案 | 复杂度 | 灵活性 | 性能 | 适用场景 |
|---|---|---|---|---|
| 原生ProseMirror插件 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ | 深度定制需求 |
| Tiptap Mention扩展 | ⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐⭐ | 快速集成场景 |
| 第三方UI库集成 | ⭐⭐⭐ | ⭐⭐ | ⭐⭐ | 简单交互需求 |
我们在项目中发现,Tiptap的Mention扩展是平衡开发效率和功能完整性的最佳选择。它就像一个预制好的乐高积木套装,既保留了核心功能,又允许通过配置进行个性化定制。
分步实现
1. 环境准备
📌 首先克隆项目并安装依赖:
git clone https://gitcode.com/GitHub_Trending/ti/tiptap
cd tiptap
npm install @tiptap/core @tiptap/extension-mention @tiptap/react
2. 基础配置
创建基础编辑器组件,配置Mention扩展核心参数:
import { Editor, EditorContent } from '@tiptap/react'
import Mention from '@tiptap/extension-mention'
const MentionEditor = () => {
const editor = useMemo(() => {
return new Editor({
extensions: [
// 其他必要扩展...
Mention.configure({
// 基础样式配置
HTMLAttributes: { class: 'mention' },
// 建议系统配置
suggestion: {
// 触发字符
char: '@',
// 数据源处理
items: ({ query }) => {
// 这里可以替换为API请求
return users.filter(user =>
user.name.toLowerCase().includes(query.toLowerCase())
).slice(0, 5)
}
}
})
],
content: '<p>开始输入@提及用户...</p>'
})
}, [])
return <EditorContent editor={editor} />
}
⚠️ 注意:确保同时加载Document、Paragraph和Text等基础扩展,否则编辑器可能无法正常工作。
3. 自定义建议UI
创建React组件替代默认下拉框:
// 自定义建议组件
const SuggestionList = ({ items, onSelect }) => (
<div className="suggestion-menu">
{items.map(item => (
<div
key={item.id}
onClick={() => onSelect(item)}
className="suggestion-item"
>
<img src={item.avatar} alt={item.name} />
<span>{item.name}</span>
</div>
))}
</div>
)
// 在编辑器中集成
Mention.configure({
suggestion: {
// ...其他配置
render: () => {
return {
onStart: props => {
// 渲染自定义组件
render(<SuggestionList {...props} />, document.body)
},
// 其他生命周期方法...
}
}
}
})
4. 前后端协作流程
实现完整的提及功能需要前后端配合:
- 前端触发:用户输入@字符后发送查询请求
- 后端处理:接收查询参数,返回匹配用户列表
- 前端渲染:展示建议列表并处理选择事件
- 数据存储:将提及信息以特定格式保存到数据库
- 前端展示:从数据库加载内容时渲染提及标签
// API请求示例(使用axios)
const fetchUsers = async (query) => {
const response = await axios.get('/api/users', {
params: { query, limit: 5 }
})
return response.data
}
// 在suggestion.items中使用
items: async ({ query }) => fetchUsers(query)
5. 样式与交互优化
添加基础样式并优化用户体验:
.mention {
background: #e8f0fe;
border-radius: 4px;
padding: 0 2px;
color: #1967d2;
}
.suggestion-menu {
position: absolute;
background: white;
border-radius: 8px;
box-shadow: 0 4px 12px rgba(0,0,0,0.15);
min-width: 200px;
}
.suggestion-item {
padding: 8px 12px;
display: flex;
align-items: center;
cursor: pointer;
&:hover {
background: #f5f5f5;
}
}
场景拓展
1. 评论系统中的@通知
在社交产品评论区,用户@其他用户后需要发送实时通知。实现方案:
// 监听编辑器内容变化
editor.on('update', ({ editor }) => {
const content = editor.getHTML()
const mentions = extractMentions(content)
// 发送提及数据到后端
if (mentions.length > 0) {
axios.post('/api/mentions', {
contentId: currentContentId,
mentions
})
}
})
2. 工单系统中的标签关联
在企业工单系统中,使用#标签关联任务类型:
// 多触发配置
Mention.configure({
suggestions: [
{
char: '@',
pluginKey: 'user-mention',
items: ({ query }) => fetchUsers(query)
},
{
char: '#',
pluginKey: 'tag-mention',
items: ({ query }) => fetchTags(query)
}
]
})
3. 知识库协作编辑
在多人协作的知识库系统中,需要显示用户编辑位置:
import Collaboration from '@tiptap/extension-collaboration'
import CollaborationCaret from '@tiptap/extension-collaboration-caret'
// 同时集成协作和提及扩展
extensions: [
Collaboration.configure({ document: ydoc }),
CollaborationCaret.configure({
users: [
{ id: 'user-1', name: '张三', color: '#ff0000' },
// 其他用户...
]
}),
Mention.configure({ /* 配置 */ })
]
避坑指南
问题诊断树
-
提及节点无法删除
- 检查
deleteTriggerWithBackspace配置 - 确认是否自定义了键盘事件处理
- 检查
-
建议列表不显示
- 验证
items函数是否正确返回数据 - 检查CSS是否隐藏了建议框
- 确认
render函数实现是否正确
- 验证
-
性能问题
- 实现查询防抖(300ms最佳)
- 添加结果缓存机制
- 对长列表实现虚拟滚动
// 防抖实现示例
import { debounce } from 'lodash'
const fetchUsers = debounce(async (query) => {
const response = await axios.get('/api/users', { params: { query } })
return response.data
}, 300)
API参数速查表
| 参数 | 类型 | 默认值 | 描述 |
|---|---|---|---|
| char | string | '@' | 触发字符 |
| HTMLAttributes | object | {} | 提及节点的HTML属性 |
| suggestion | object | {} | 建议系统配置 |
| deleteTriggerWithBackspace | boolean | false | 是否允许退格删除触发字符 |
浏览器兼容性
| 浏览器 | 支持版本 | 注意事项 |
|---|---|---|
| Chrome | 60+ | 完全支持 |
| Firefox | 63+ | 建议使用最新版本 |
| Safari | 12+ | 部分样式可能需要调整 |
| Edge | 79+ | 完全支持 |
交互效果演示
当用户输入@字符时,编辑器下方会显示匹配的用户列表,支持键盘上下键选择和Enter确认。选择后会插入格式化的提及标签,标签带有特殊背景色和字体颜色,鼠标悬停时会显示用户详情卡片。
工具函数库
我们封装了常用工具函数,可直接集成到项目中:
- mention-utils.js:包含提及内容提取、格式化等工具函数
- suggestion-enhancer.js:提供防抖、缓存等增强功能
- mention-styles.css:预定义的样式方案
通过这些工具,可以将提及功能的集成时间从原来的10天缩短到2天内,同时保证代码质量和性能表现。
登录后查看全文
热门项目推荐
相关项目推荐
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 StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0114
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
最新内容推荐
项目优选
收起
deepin linux kernel
C
32
16
暂无描述
Dockerfile
763
4.96 K
Claude 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 Started
Rust
1.8 K
191
Ascend Extension for PyTorch
Python
718
875
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
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++
1.07 K
1.09 K
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.73 K
1.02 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
676
1.33 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
437
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。
C
454
5.07 K
