Milkdown编辑器移动端列表项冻结问题分析与解决方案
2025-05-24 23:03:14作者:彭桢灵Jeremy
问题背景
Milkdown作为一款现代化的编辑器框架,在桌面端表现优异,但在移动设备(特别是Android平台)上处理列表项时会出现界面冻结的问题。这个问题主要影响用户在移动设备上创建和管理列表项的操作体验。
问题现象
当用户在移动设备上使用Milkdown编辑器时:
- 按下回车键无法正常创建新的列表项,而是产生普通换行
- 经过多次操作尝试后,整个编辑器界面会完全冻结
- 任务列表的复选框状态管理异常
技术原因分析
经过深入分析,这个问题主要由以下几个技术因素导致:
-
移动端事件处理差异:移动设备的键盘事件处理与桌面端存在差异,特别是Android系统对Enter键的处理方式不同,导致splitListItemCommand命令无法正常触发。
-
自定义元素渲染问题:原实现中使用了Atomico的customElements进行渲染,这在移动端环境下可能导致性能问题和渲染异常。
-
状态同步机制缺陷:列表项的状态(特别是复选框状态)在分割时未能正确同步到新创建的列表项中。
解决方案
核心修复方案
-
移除customElements依赖:直接使用html().render()方法替代customElements进行渲染,提高移动端兼容性。
-
增强splitListItemCommand:修改分割列表项命令,确保复选框状态正确复制到新项:
export const splitListItemCommand = $command(
'SplitListItem',
(ctx) => () => {
return function (state, dispatch) {
let { $from } = state.selection;
const closestListItem = closestNode($from, (node) => {
return node.type.name === listItemSchema.type(ctx).name
})
const attrs = closestListItem?.attrs?.checked !== null ? {
checked: false
} : undefined
const splitCommand = splitListItem(
listItemSchema.type(ctx),
attrs
)
return splitCommand(state, dispatch)
}
}
)
- 添加移动端特殊处理:针对Android平台的特性,增加额外的状态检查逻辑:
const isAfterCheckbox = resolvedPos.nodeBefore?.attrs.checked === true
|| resolvedPos.nodeBefore?.attrs.checked === false
if ( initialNode.textContent === ''
&& isAfterCheckbox
&& node.attrs.checked !== false
&& Platform.is.android
) {
setAttr('checked', false)
node.attrs.checked = false
}
迁移至Vue的解决方案
在后续版本中,项目团队通过将实现迁移到Vue框架,从根本上解决了这个问题。Vue的响应式系统和虚拟DOM机制提供了更好的跨平台兼容性,特别是在移动设备上的表现更为稳定。
最佳实践建议
- 对于仍在旧版本的用户,建议应用上述补丁代码临时解决问题
- 对于新项目,推荐使用已修复该问题的Vue实现版本
- 在开发跨平台编辑器时,应特别注意移动端的事件处理差异
- 对于复杂的状态管理,建议增加额外的平台检测和容错处理
总结
Milkdown编辑器在移动端的列表项冻结问题是一个典型的跨平台兼容性问题。通过分析我们可以看到,这类问题的解决往往需要从框架选择、事件处理和状态管理等多个角度综合考虑。最终的Vue迁移方案不仅解决了当前问题,还为未来的跨平台开发奠定了更坚实的基础。
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
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
最新内容推荐
JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器 STM32到GD32项目移植完全指南:从兼容性到实战技巧 Jetson TX2开发板官方资源完全指南:从入门到精通 OMNeT++中文使用手册:网络仿真的终极指南与实用教程 WebVideoDownloader:高效网页视频抓取工具全面使用指南 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
192
212
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++
649
270
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
297
111
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
384
3.68 K
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
243
316
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
66
96
暂无简介
Dart
632
143