Stylelint中shorthand-property-no-redundant-values规则的新配置选项
在CSS开发中,使用简写属性(shorthand properties)是一种常见的优化手段。Stylelint的shorthand-property-no-redundant-values规则旨在帮助开发者避免使用冗余的简写属性值。最近,社区针对该规则提出了一个有趣的改进建议,允许开发者更灵活地控制简写属性的使用方式。
背景与问题
CSS简写属性允许开发者用更简洁的方式设置多个相关属性。例如,margin属性可以同时设置四个方向的外边距。根据CSS规范,当某些方向的值相同时,可以使用更短的写法:
- 四个值:
margin: top right bottom left; - 三个值:
margin: top right-and-left bottom; - 两个值:
margin: top-and-bottom right-and-left; - 一个值:
margin: all-sides;
当前shorthand-property-no-redundant-values规则会标记那些可以使用更短写法的属性值。例如,inset: auto 0 0 0;会被标记为可以使用inset: auto 0 0;替代,因为最后一个0值可以通过简写规则推断出来。
然而,许多开发者认为在某些情况下,使用完整的四个值虽然技术上冗余,但能提高代码的可读性和明确性。特别是在团队协作中,明确的四个值可以减少理解成本。
解决方案
经过社区讨论,决定为规则添加一个新的ignore选项配置,名为four-into-three-edge-values。这个选项允许开发者禁用对那些可以从四个值简化为三个值的边缘属性的检查。
具体来说,当配置为:
{
"rules": {
"shorthand-property-no-redundant-values": [true, {
"ignore": ["four-into-three-edge-values"]
}]
}
}
规则将不会对以下情况发出警告:
.example {
margin: 10px 20px 30px 20px; /* 可以简化为 margin: 10px 20px 30px; */
padding: 0 10px 0 10px; /* 可以简化为 padding: 0 10px; */
}
注意,这个选项只影响那些可以简化为三个值的边缘属性,对于可以进一步简化为两个值或一个值的情况,规则仍然会发出警告。
技术考量
这个改进方案经过了仔细的技术讨论:
-
命名选择:最初考虑过
three-value-shorthands和four-to-three-values等名称,但最终选择了four-into-three-edge-values以更准确地描述其功能范围。 -
适用范围:明确区分边缘属性(如margin、padding)和角属性(如border-radius),未来可能会为角属性添加单独的配置选项。
-
规范一致性:完全遵循CSS规范中关于简写属性值的处理规则,确保不会破坏样式表的实际渲染效果。
实际应用建议
对于团队项目,建议根据以下因素决定是否启用此选项:
-
代码可读性:如果团队成员普遍认为四个值的形式更易理解,可以考虑启用。
-
代码一致性:确保团队内部对简写属性的使用方式达成一致。
-
性能考量:虽然四个值的写法会略微增加文件大小,但在现代构建工具下这种差异通常可以忽略。
这个改进体现了Stylelint在保持代码质量的同时,也尊重开发者对代码可读性和表达明确性的需求,展现了开源项目在规则严格性和灵活性之间的平衡艺术。
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