BlockNote代码块功能优化:如何减少语言支持带来的包体积膨胀
在富文本编辑器BlockNote中,代码块功能是其核心特色之一。该功能基于Shiki语法高亮库实现,支持多种编程语言的语法高亮显示。然而,随着支持语言的增加,这可能会带来显著的包体积膨胀问题,影响应用的加载性能。
问题背景
BlockNote默认会包含大量编程语言的语法高亮支持,这些语言文件会被打包到最终的生产构建中。虽然这些资源是按需加载的,但它们仍然会增加部署包的整体大小。对于需要优化部署体积或对资源使用有严格限制的应用来说,这是一个需要解决的问题。
解决方案
目前有两种主要方法可以优化这一问题:
1. 使用构建工具配置排除特定语言
对于使用Rollup或Webpack等模块打包工具的项目,可以通过配置external选项来排除不需要的语言文件。例如,在Vite配置中可以这样设置:
export default defineConfig({
build: {
rollupOptions: {
external: (source) => {
// 排除JavaScript语言支持
if(source.includes("shiki/dist/langs/javascript")) {
return true;
}
return false;
}
}
}
})
这种方法需要开发者明确知道要排除哪些语言文件,并且需要配合BlockNote的代码块配置一起使用。
2. 自定义代码块支持的语言列表
BlockNote提供了customizeCodeBlockAPI,允许开发者精确控制支持哪些编程语言。配置示例如下:
const schema = BlockNoteSchema.create({
blockSpecs: {
...defaultBlockSpecs,
codeBlock: customizeCodeBlock({
defaultLanguage: "javascript",
supportedLanguages: [
{
id: "javascript",
match: ["javascript", "js"],
name: "JavaScript",
},
{
id: "typescript",
match: ["typescript", "ts"],
name: "TypeScript",
}
],
}),
},
});
这种方式不仅减少了不必要的语言支持,还能自定义语言的显示名称和匹配别名。
深入优化建议
-
主题优化:除了语言文件外,Shiki的主题文件也会增加包体积。可以考虑排除未使用的主题文件。
-
默认语言集合:BlockNote可以考虑提供一个默认语言集合的导出,方便开发者基于默认集合进行过滤,而不是从头开始配置。
-
类型增强:当前API支持
SupportedLanguageConfig类型,未来可以考虑同时支持简单的字符串ID形式,降低使用门槛。
实施注意事项
-
确保使用的BlockNote版本包含相关优化(如#1219合并后的版本)。
-
排除语言文件后,需要通过
customizeCodeBlock明确配置支持的语言列表,否则可能导致功能异常。 -
对于团队项目,建议将代码块配置集中管理,避免散落在多处。
通过以上优化措施,开发者可以在保留BlockNote强大代码块功能的同时,有效控制最终打包体积,实现性能与功能的平衡。
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 StartedRust0231
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
JoyAI-VL-Interaction-Preview京东开源首个开源、视觉驱动的实时交互模型——它能实时监控视频流,并自主决定何时发言、保持沉默或委托任务。Jinja00
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 Notebook0151
kornia🐍 空间人工智能的几何计算机视觉库Python02
PaddleParallel Distributed Deep Learning: Machine Learning Framework from Industrial Practice (『飞桨』核心框架,深度学习&机器学习高性能单机、分布式训练和跨平台部署)C++02