Conform.nvim 配置:实现 LSP 自动格式化回退机制的最佳实践
2025-06-16 01:33:17作者:范靓好Udolf
问题背景
在使用 Conform.nvim 进行代码格式化时,开发者经常会遇到这样的需求:当某个文件类型没有明确配置格式化工具时,希望自动回退到 LSP 提供的格式化功能。同时,还希望保留一些基本的格式化操作,如去除多余空白和换行符。
配置挑战
在 Conform.nvim 中,formatters_by_ft 配置项有两个特殊的键值:
"*"- 表示对所有文件类型都应用这些格式化工具"_"- 表示对没有明确配置的文件类型应用这些格式化工具
最初的设计中,"*" 和 "_" 不能指定格式化选项(如 lsp_format),这导致了一个常见问题:当开发者配置了 "*" 包含基本格式化工具时,LSP 格式化功能会被完全覆盖,无法实现回退机制。
解决方案演变
-
初始方案:开发者尝试在
format_on_save中设置lsp_format = 'fallback',但由于"*"的优先级,LSP 格式化无法生效。 -
改进方案:使用
"_"键来指定 LSP 回退,如['_'] = { lsp_fallback = "last" }。但这样会导致基本格式化工具(如去除空白)被忽略。 -
最终方案:Conform.nvim 的最新更新允许在
"_"中同时指定格式化工具和选项,实现了完整的回退机制。
最佳实践配置
{
'stevearc/conform.nvim',
opts = {
formatters_by_ft = {
['*'] = { 'trim_whitespace', 'trim_newlines' },
['_'] = { lsp_fallback = "last" },
-- 其他文件类型配置...
},
default_format_opts = {
lsp_format = 'fallback'
},
format_on_save = function(bufnr)
-- 各种条件判断...
return { timeout_ms = 500 }
end,
}
}
关键点说明
"*"配置确保所有文件类型都会执行基本的空白处理"_"配置确保未明确配置的文件类型会回退到 LSP 格式化default_format_opts中设置全局的 LSP 回退策略format_on_save只需关注触发条件和超时设置
技术原理
Conform.nvim 的格式化流程遵循以下顺序:
- 检查文件类型是否有明确配置的格式化工具
- 如果没有,检查
"_"配置 - 应用
"*"中配置的通用格式化工具 - 根据
lsp_format设置决定是否尝试 LSP 格式化
最新版本的优化使得这个流程更加灵活,允许在回退路径中同时保留基本格式化和 LSP 格式化功能。
总结
通过合理配置 Conform.nvim 的特殊键值和格式化选项,开发者可以实现既保留基本格式化功能,又能智能回退到 LSP 格式化的自动化流程。这种配置方式特别适合需要支持多种文件类型但又不想为每种类型都明确配置格式化工具的开发环境。
登录后查看全文
热门项目推荐
相关项目推荐
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 StartedRust0581- Ddeepseek-harnessDeepSeek Harness: Everything is a Plugin.TypeScript016
paper-ai搜索真实文献并生成引用对应文献的AI论文TSX03
phyaiPhyAI 是一个用于运行 Physical AI 模型(VLA、WAM 等)的高性能框架,支持云端推理服务和端侧部署。Python00
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown01
xiaobei专门为 OPC / 中小微企业准备的自媒体获客智能体Markdown02
项目优选
收起
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
511
551
暂无描述
Markdown
852
5.69 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
1.05 K
2.49 K
deepin linux kernel
C
33
16
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
839
1.28 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
847
1.7 K
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++
1.25 K
1.38 K
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.17 K
857
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
503
346
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
787
415