PHP-CSS-Parser 项目中 @font-face 规则 src 属性解析问题分析
在 PHP-CSS-Parser 项目中,开发者发现了一个关于 CSS @font-face 规则中 src 属性解析的异常情况。当 src 属性包含多个字体源时,解析器未能正确识别逗号分隔的多个 URL 值,导致解析结果出现错误。
问题现象
在 CSS 中,@font-face 规则的 src 属性通常包含多个字体源,以逗号分隔。例如:
@font-face {
font-family: 'Open Sans';
src: url('../fonts/open-sans-italic-300.woff2') format('woff2'),
url('../fonts/open-sans-italic-300.ttf') format('truetype');
}
在使用 PHP-CSS-Parser 8.4.0 版本解析时,上述代码中的 src 属性被错误地解析为三个组件,而不是预期的两个。这种错误解析会导致后续处理字体资源时出现问题。
技术分析
解析器工作机制
PHP-CSS-Parser 在解析 CSS 属性值时,会根据不同的属性类型采用不同的分隔符优先级。对于大多数属性,空格是主要的分隔符,而对于某些特殊属性(如 box-effect),逗号的分隔优先级更高。
问题根源
src 属性在 @font-face 规则中具有特殊语法:
- 允许指定多个字体源,用逗号分隔
- 每个字体源可以包含 URL 和格式声明
当前解析器的默认行为将空格视为比逗号更高优先级的分隔符,这与 src 属性的实际语法要求相矛盾。正确的处理方式应该是:
- 首先按逗号分隔多个字体源
- 然后在每个字体源内部按空格分隔 URL 和格式声明
解决方案
项目维护者通过调整 src 属性的分隔符优先级解决了这个问题。具体修改包括:
- 为
src属性指定非标准的分隔符优先级顺序 - 确保逗号的分隔优先级高于空格
这种解决方案保持了向后兼容性,同时正确处理了 @font-face 规则中的 src 属性。
扩展讨论
这个问题揭示了 CSS 解析中的一个常见挑战:不同属性可能需要不同的解析策略。类似的情况还包括:
background属性的多重值transform属性的多个函数box-effect属性的多个效果定义
良好的 CSS 解析器需要能够根据上下文动态调整解析策略,这也是 PHP-CSS-Parser 项目持续优化的方向之一。
总结
这个问题的解决展示了 PHP-CSS-Parser 项目对 CSS 规范细节的重视。通过精确控制属性值的解析顺序,确保了复杂 CSS 规则的正确处理。对于开发者而言,理解这些底层机制有助于更好地使用解析器,并在遇到类似问题时能够快速定位原因。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00