解决Floating-UI与Vitest/Webpack的React 17兼容性问题
2025-05-04 08:46:29作者:滑思眉Philip
在使用Floating-UI库时,开发者可能会遇到与测试工具Vitest或打包工具Webpack的兼容性问题,特别是在React 17环境下。本文将深入分析问题原因并提供解决方案。
问题现象
当项目中使用以下技术栈组合时:
- React 17.0.2
- TypeScript 5.1.3
- Vite 4.4.9
- Vitest 0.34.6
在将Floating-UI从0.26.25升级到0.27.5版本后,测试运行会失败并报错:"Cannot find module 'react/jsx-runtime'",尽管应用在浏览器中运行正常。
根本原因
这个问题源于React 17和现代打包工具的模块解析机制差异。Floating-UI的打包输出使用了现代React(18/19)的模块引用方式,而React 17的模块系统略有不同。
具体来说,问题出在:
- Floating-UI的.mjs分发文件引用了
react/jsx-runtime - 在Node环境下运行时,需要明确指定
.js扩展名 - 但直接添加
.js扩展名会破坏React 18/19的兼容性
解决方案
对于Vitest用户
在Vitest配置中添加以下设置:
test: {
deps: {
inline: [/@floating-ui/],
},
}
这个配置告诉Vitest将Floating-UI相关依赖内联处理,避免模块解析问题。
对于Webpack 5用户
如果是使用Webpack 5的项目,可以通过添加解析别名来解决:
resolve: {
alias: {
"react/jsx-dev-runtime": "react/jsx-dev-runtime.js",
"react/jsx-runtime": "react/jsx-runtime.js"
}
}
这个别名配置确保Webpack能正确找到React 17的JSX运行时模块。
注意事项
- 虽然升级Vite/Vitest到最新版本可能解决此问题,但在大型项目中可能不现实
- React 18/19用户通常不会遇到此问题,这是React 17特有的兼容性问题
- 如果项目允许升级React版本,升级到React 18+是更彻底的解决方案
总结
Floating-UI作为流行的UI定位库,在与React 17和现代构建工具配合使用时可能会遇到模块解析问题。通过调整构建工具的配置,可以很好地解决这些兼容性问题,而无需强制升级项目的主要依赖版本。理解这些兼容性问题的根源有助于开发者更好地维护和升级他们的前端项目。
登录后查看全文
热门项目推荐
相关项目推荐
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Prover-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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-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
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
最新内容推荐
PCDViewer-4.9.0-Ubuntu20.04:专业点云可视化与编辑工具全面解析 Solidcam后处理文件下载与使用完全指南:提升CNC编程效率的必备资源 Qt控件CSS样式实例大全 - 打造现代化GUI界面的终极指南 Adobe Acrobat XI Pro PDF拼版插件:提升排版效率的专业利器 2023年最新HTMLCSSJS组件库:提升前端开发效率的必备资源 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略
项目优选
收起
deepin linux kernel
C
24
7
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
369
3.13 K
Ascend Extension for PyTorch
Python
162
182
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
252
90
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
475
仓颉编译器源码及 cjdb 调试工具。
C++
125
853
React Native鸿蒙化仓库
JavaScript
240
313
🎉 (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
1.09 K
617
暂无简介
Dart
613
138
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++
644
255