Shiki项目在Safari浏览器中的语法高亮问题解析
问题背景
近期,使用Shiki进行代码语法高亮的开发者报告了一个重要问题:在Safari 18.4版本中,Svelte语言的语法高亮功能出现异常。这一问题表现为浏览器控制台报错"invalid operation in class set",导致高亮功能完全失效。值得注意的是,这一问题仅出现在Safari浏览器中,基于Chromium的浏览器则表现正常。
问题根源分析
经过深入调查,发现问题根源在于Safari浏览器对正则表达式的解析存在缺陷。具体来说,当正则表达式的字符类中包含嵌套类且以字面量连字符结尾时,Safari的解析器会抛出错误。例如,正则表达式/[[a]\-]/v在Safari中会触发解析错误,而/[\-[a]]/v则能正常工作。
这一问题的出现与Shiki从2.2.0版本升级到2.3.0版本时引入的oniguruma-to-es库更新有关。在2.3.0版本中,oniguruma-to-es从v2升级到v3,其中v3.1.1包含了对Safari另一个正则解析问题的修复。这个修复将转义的连字符移动到字符类的末尾,这在大多数情况下工作良好,但当字符类中包含嵌套类时,就会触发Safari的这个新bug。
解决方案
针对这一问题,oniguruma-to-es库在v4.3.2版本中实现了修复方案。修复方法是将转义的连字符移动到字符类的开头而非末尾,这样既避免了旧版本Safari的解析问题,也绕过了新版本Safari的这个新bug。
开发者可以通过以下方式应用这一修复:
- 升级到Shiki 3.4.0或更高版本,这些版本已经包含了修复后的oniguruma-to-es
- 如果暂时无法升级Shiki,可以通过包管理器的覆盖功能强制使用oniguruma-to-es v4.3.2+
技术启示
这一案例为我们提供了几个重要的技术启示:
- 浏览器兼容性问题仍然是前端开发中的重要挑战,特别是当涉及到复杂的正则表达式解析时
- 依赖库的更新可能会引入意想不到的浏览器兼容性问题,需要进行全面测试
- 对于正则表达式中的特殊字符处理,需要考虑不同浏览器引擎的实现差异
- 问题定位和解决过程中,版本对比和最小化重现是有效的调试手段
后续注意事项
虽然主问题已经解决,但有开发者报告在应用修复后出现了新的渲染问题:高亮后的语法会被复制到行末。这可能是另一个独立的问题,建议开发者:
- 确认是否同时使用了SSR和客户端渲染
- 尝试切换不同的正则引擎(JavaScript和Oniguruma)
- 如果问题持续存在,应创建新的issue并提供详细的复现步骤和环境信息
总结
Shiki项目团队对Safari浏览器中语法高亮问题的快速响应和解决,展示了开源社区处理浏览器兼容性问题的专业能力。这一案例也提醒开发者,在复杂的文本处理场景中,特别是涉及多语言支持和跨浏览器兼容时,需要特别关注不同浏览器引擎的细微差异。通过持续更新依赖库和关注浏览器变化,可以确保语法高亮等功能在各种环境下都能稳定工作。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00