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。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00