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-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust037
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00