Corteza项目中BootstrapVue样式选择器问题的分析与修复
问题背景
在Corteza项目的2024.9.x分支中,开发人员发现了一个CSS样式选择器的语法问题。该问题位于server/assets/src/scss/main/18201131_bootsrapvue.scss文件中,涉及到一个无效的CSS伪类选择器使用方式。
问题分析
文件中包含以下SCSS代码片段:
a,
.btn {
&.b-avatar:hover:not(.disabled):not(disabled) {
z-index: 1;
}
}
这段代码的问题在于:not(disabled)选择器的使用方式不正确。在CSS规范中,:not()伪类选择器接受的参数必须是一个简单选择器(simple selector),而disabled本身并不是一个有效的选择器类型。
正确的解决方案
正确的做法应该是使用属性选择器来匹配具有disabled属性的元素。修改后的代码应为:
a,
.btn {
&.b-avatar:hover:not(.disabled):not([disabled]) {
z-index: 1;
}
}
这个修改将:not(disabled)改为:not([disabled]),表示"匹配不具有disabled属性的元素"。
技术细节解析
-
:not()伪类选择器:这是CSS3引入的一个否定伪类,它接受一个简单选择器作为参数,匹配不符合该选择器的元素。 -
简单选择器类型:CSS中的简单选择器包括:
- 类型选择器(如
div) - 类选择器(如
.disabled) - ID选择器(如
#main) - 属性选择器(如
[disabled]) - 伪类(如
:hover)
- 类型选择器(如
-
disabled属性的特殊性:在HTML中,disabled是一个布尔属性,当它出现在元素上时,无论其值是什么,都会使元素处于禁用状态。
影响范围
这个样式规则主要影响BootstrapVue组件中的头像(b-avatar)元素,当它们作为链接(a)或按钮(.btn)的子元素时的悬停效果。修复后可以确保禁用状态的元素不会获得z-index: 1的样式。
最佳实践建议
-
在使用
:not()伪类时,始终确保传入的参数是一个有效的简单选择器。 -
对于布尔属性的检查,优先使用属性选择器
[attr]而不是类名选择器。 -
在SCSS中嵌套选择器时,注意生成的CSS选择器是否符合规范。
这个修复虽然看起来很小,但它确保了样式表的规范性和兼容性,避免了潜在的浏览器解析问题。
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-1.5暂无简介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