Marked.js 项目中 "marked未定义" 问题的分析与解决方案
2025-05-04 15:01:10作者:咎岭娴Homer
在开发过程中使用 Marked.js 库时,开发者可能会遇到一个常见的错误:"Uncaught ReferenceError: marked is not defined"。这个问题通常与脚本加载顺序和执行时机有关。
问题现象
当开发者尝试在页面中同时使用 Marked.js 库和自定义脚本时,可能会出现以下情况:
- 在 HTML 中通过 CDN 引入 Marked.js 库
- 在自定义脚本中立即调用 marked 相关方法
- 控制台报错提示 marked 未定义
根本原因
这个问题的核心在于 JavaScript 的加载和执行顺序。具体来说有以下几种可能:
-
使用了 defer 属性:defer 属性会延迟脚本的执行,直到文档解析完成。如果自定义脚本没有 defer 属性,它会在 marked.js 之前执行。
-
脚本位置不当:如果自定义脚本放在了 marked.js 引入之前,自然无法访问 marked 对象。
-
异步加载冲突:如果页面中有其他异步加载机制,可能会影响脚本的执行顺序。
解决方案
方案一:调整脚本顺序
最简单的解决方案是确保 Marked.js 库在自定义脚本之前加载:
<script src="marked.min.js"></script>
<script>
// 你的代码
console.log(marked.parse('# 标题'));
</script>
方案二:正确使用 defer 属性
如果确实需要使用 defer 属性,应该确保所有依赖关系正确处理:
<script src="marked.min.js" defer></script>
<script defer>
// 你的代码
console.log(marked.parse('# 标题'));
</script>
方案三:使用事件监听
更可靠的方式是监听文档加载完成事件:
<script src="marked.min.js"></script>
<script>
document.addEventListener('DOMContentLoaded', function() {
console.log(marked.parse('# 标题'));
});
</script>
最佳实践
-
避免混用加载策略:不要在同一个页面中混用同步和异步加载方式。
-
模块化开发:考虑使用现代 JavaScript 模块系统,可以更好地管理依赖关系。
-
错误处理:添加适当的错误处理逻辑,防止脚本加载失败导致整个应用崩溃。
-
性能考虑:对于大型项目,考虑使用构建工具打包所有依赖,减少 HTTP 请求数量。
通过理解 JavaScript 的加载机制和正确管理脚本依赖关系,可以有效避免 "marked未定义" 这类问题,确保 Marked.js 库能够正常工作。
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
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137