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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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