ESLint插件Perfectionist中sort-classes规则的默认分组优化
在JavaScript/TypeScript开发中,类的成员排序对于代码的可读性和维护性至关重要。ESLint插件Perfectionist提供的sort-classes规则能够帮助开发者自动保持类成员的合理排序。然而,该规则的默认分组配置存在一些可以优化的地方。
默认分组的问题分析
当前版本的sort-classes规则默认配置存在三个主要问题:
-
访问修饰符排序不合理:公共成员(public)被默认排序在受保护(protected)和私有(private)成员之后,这与大多数编码规范中"从最开放到最严格"的排序原则相悖。
-
属性访问器分类不当:getter和setter方法被归类为普通方法(method)而非属性(property),导致它们与相关属性分离排序。
-
函数属性处理不一致:使用箭头函数或bind绑定的方法(function-property)没有被归类到方法组中,造成功能相似但形式不同的成员被分开排序。
优化后的分组方案
经过社区讨论和实践验证,以下分组配置能够更好地满足开发者的实际需求:
groups: [
'index-signature',
'static-property',
'protected-static-property',
'private-static-property',
'static-block',
['property', 'accessor-property', 'get-method', 'set-method'],
['protected-property', 'protected-accessor-property', 'protected-get-method', 'protected-set-method'],
['private-property', 'private-accessor-property', 'private-get-method', 'private-set-method'],
'constructor',
['static-method', 'static-function-property'],
['protected-static-method', 'protected-static-function-property'],
['private-static-method', 'private-static-function-property'],
['method', 'function-property'],
['protected-method', 'protected-function-property'],
['private-method', 'private-function-property'],
'unknown',
]
这个优化方案实现了:
-
合理的访问修饰符顺序:公共成员现在排在受保护和私有成员之前,遵循了从开放到封闭的原则。
-
统一的属性分类:getter和setter方法与普通属性归为一组,保持了属性的完整性。
-
一致的方法处理:无论是传统方法还是函数属性形式的方法,现在都被归类在一起。
版本兼容性考虑
由于修改默认配置属于破坏性变更(breaking change),这项优化计划将在Perfectionist的下一个主要版本(v4)中发布。在此之前,开发者可以通过手动配置的方式应用这些改进。
对于现有项目,建议:
- 评估当前代码库是否依赖现有排序行为
- 逐步过渡到新配置,而非一次性全面切换
- 在团队内部达成排序规范共识后再进行配置变更
最佳实践建议
在实际项目中应用类成员排序时,还应该考虑:
-
与团队规范保持一致:排序规则应该反映团队约定的代码组织方式
-
结合其他规则使用:sort-classes规则最好与成员访问修饰符、装饰器等规则配合使用
-
文档化排序策略:在项目文档中明确说明采用的排序标准,方便新成员快速上手
通过合理配置sort-classes规则,可以显著提升大型项目中类定义的可读性和一致性,减少因成员顺序混乱导致的维护成本。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00