TypeDoc中@includeCode标签对.mts文件区域引用的支持问题解析
TypeDoc作为一款优秀的TypeScript文档生成工具,其@includeCode标签功能允许开发者在文档中直接引用源代码片段。然而,近期发现该功能在处理.mts扩展名的TypeScript文件时存在兼容性问题。
问题背景
TypeScript从4.5版本开始引入了.mts扩展名,用于表示ES模块格式的TypeScript文件。这类文件与传统的.ts文件在语法上完全一致,只是模块系统不同。但在TypeDoc中,当开发者尝试使用@includeCode标签引用.mts文件中的代码区域时,系统会报错提示不支持该文件扩展名的区域引用功能。
技术分析
问题的根源在于TypeDoc的IncludePlugin插件中,区域标签的正则表达式匹配规则是按文件扩展名分类存储的。当前的实现只预置了.ts文件的匹配规则,没有包含.mts文件的配置。
在底层实现上,TypeDoc使用正则表达式来识别源代码中的区域标记(如//#region和//#endregion)。这些正则表达式被存储在regionTagREsByExt这个按扩展名分类的对象中。由于.mts未被包含在内,导致系统无法正确处理这类文件中的区域标记。
解决方案
要解决这个问题,需要从两个层面进行修改:
-
区域标记支持:在IncludePlugin中为
.mts文件添加与.ts相同的区域标记识别规则。这可以通过简单的配置映射实现:regionTagREsByExt["mts"] = regionTagREsByExt["ts"]; -
语法高亮支持:TypeDoc使用highlight.js进行代码高亮,需要确保它能正确识别
.mts文件的语法。这需要在highlighter.tsx中添加对应的语言别名配置,将.mts映射到TypeScript的高亮规则。
实现建议
对于想要临时解决此问题的开发者,可以通过monkey patch的方式在项目初始化时添加这些配置。但从长远来看,建议直接修改TypeDoc源码,因为.mts作为TypeScript的标准扩展名,理应获得与.ts相同的支持。
TypeScript生态中,类似的文件扩展名还有.cts(CommonJS模块的TypeScript文件),在实现解决方案时也应一并考虑对这些扩展名的支持,确保功能的完整性。
总结
这个问题反映了工具链对新语言特性支持的滞后性。随着TypeScript模块系统的演进,工具开发者需要及时跟进这些变化,确保对标准特性的全面支持。对于文档工具而言,保持与语言特性的同步尤为重要,因为这直接影响到开发者体验和文档质量。
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
HunyuanVideo-1.5暂无简介00
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 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