Vue.js核心项目中CSS子选择器在:has伪类中的异常丢失问题分析
2025-05-01 01:59:34作者:尤辰城Agatha
问题背景
在Vue.js 3.4.24版本中,开发人员发现了一个与CSS作用域和嵌套样式相关的有趣问题。当使用scoped样式并配合嵌套CSS语法时,在某些情况下CSS子选择器(>)会在编译过程中意外丢失,导致样式表现与预期不符。
问题现象
具体表现为,在Vue单文件组件中使用如下CSS结构时:
<style scoped>
:deep(.foo:has(> span)) {
:deep(&) span {
background-color: green;
}
}
</style>
开发环境(dev)和生产环境(build)会呈现不同的样式效果。在开发环境下,只有直接子元素的span会被正确着色,而在生产环境下,所有层级的span都会被着色。
根本原因
经过技术分析,这个问题实际上源于esbuild在CSS编译过程中的一个bug。当处理包含:deep(&)的嵌套CSS结构时,esbuild会错误地移除:has伪类中的子选择器(>),导致编译后的CSS选择器范围扩大。
正确的编译结果应该是:
[data-v-f41b19b6] :is([data-v-f41b19b6] .foo:has(>span)) span{background-color:green}
但实际得到的错误结果是:
[data-v-f41b19b6] :is([data-v-f41b19b6] .foo:has(span)) span{background-color:green}
解决方案
针对这个问题,Vue.js核心团队提供了两种可行的解决方案:
- 使用lightningcss替代esbuild:在vite配置中将CSS压缩工具切换为lightningcss,它能正确处理这种CSS结构。
export default defineConfig({
plugins: [vue()],
build: {
cssMinify: 'lightningcss'
}
});
- 禁用CSS压缩:虽然不推荐,但可以通过设置
cssMinify: false来避免这个问题,不过这会牺牲CSS的优化效果。
技术建议
对于Vue.js开发者来说,在使用scoped样式和嵌套CSS时,应当注意以下几点:
- 当使用
:has伪类配合子选择器时,建议在生产构建后验证生成的CSS是否符合预期 - 考虑项目对浏览器兼容性的要求,选择合适的CSS处理工具
- 复杂的嵌套CSS结构可能会增加编译过程出错的风险,建议保持CSS结构简洁
这个问题虽然表面上是Vue.js项目中的现象,但实际上是底层工具链的问题,开发者应当根据项目实际情况选择合适的解决方案。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
暂无简介
Dart
670
155
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
660
308
Ascend Extension for PyTorch
Python
219
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.82 K
React Native鸿蒙化仓库
JavaScript
259
322