ESLint 配置中如何正确处理 JavaScript 文件的默认检查行为
在 ESLint 的日常使用中,许多开发者会遇到一个看似奇怪的现象:明明在配置中只指定了对 TypeScript 文件(.ts 和 .tsx)的检查规则,但实际运行时 ESLint 仍然会对 JavaScript 文件(.js)进行检查。这种现象在从传统配置迁移到新的扁平化配置(Flat Config)后尤为常见。
问题现象
当开发者使用 ESLint 的扁平化配置时,可能会编写类似下面的配置:
export default [
{
files: ["**/*.ts", "**/*.tsx"],
// 其他配置...
}
]
按照直觉理解,这样的配置应该只会检查 TypeScript 文件。然而实际上,ESLint 仍然会检查项目中的 JavaScript 文件,这常常让开发者感到困惑。
根本原因
这种现象并非 ESLint 的 bug,而是其设计上的有意行为。ESLint 默认会对三种 JavaScript 文件格式进行检查:
- .js 文件(标准 JavaScript 文件)
- .mjs 文件(ES 模块 JavaScript 文件)
- .cjs 文件(CommonJS 模块 JavaScript 文件)
这种默认行为是为了保持向后兼容性,确保传统项目在迁移到新配置时不会突然停止检查 JavaScript 文件。
解决方案
要真正排除对 JavaScript 文件的检查,需要在配置中添加全局忽略规则。正确的做法是:
export default [
{
files: ["**/*.ts", "**/*.tsx"],
// TypeScript 相关配置...
},
{
ignores: ["**/*.js"] // 全局忽略 JavaScript 文件
}
]
这种配置方式明确告诉 ESLint:除了检查指定的 TypeScript 文件外,还要忽略所有 JavaScript 文件。
实际应用场景
这种配置方式在以下场景特别有用:
-
纯 TypeScript 项目:当项目完全使用 TypeScript 编写时,通常不需要检查编译后的 JavaScript 文件。
-
混合语言项目:当项目中同时包含需要检查和不需检查的 JavaScript 文件时,可以通过更精确的忽略模式来控制。
-
构建产物处理:可以避免对构建工具生成的 JavaScript 文件进行不必要的检查。
配置建议
对于不同类型的项目,可以考虑以下配置策略:
-
纯 TypeScript 项目:
export default [ { files: ["**/*.ts", "**/*.tsx"], // TypeScript 配置 }, { ignores: ["**/*.js", "**/*.mjs", "**/*.cjs"] } ] -
混合 JavaScript/TypeScript 项目:
export default [ { files: ["**/*.ts", "**/*.tsx"], // TypeScript 配置 }, { files: ["**/*.js"], // JavaScript 配置 }, { ignores: ["dist/**/*.js"] // 只忽略构建目录 } ]
迁移注意事项
从传统配置迁移到扁平化配置时,需要注意:
-
传统配置中的
--extCLI 参数功能在扁平化配置中不再适用,必须通过配置文件实现类似效果。 -
传统
.eslintignore文件的功能现在应该通过配置中的ignores属性实现。 -
检查范围的变化可能会影响持续集成流程,需要相应调整。
理解 ESLint 的这种默认行为,可以帮助开发者更精确地控制代码检查范围,避免不必要的检查或遗漏重要文件的检查。正确配置文件检查范围不仅能提高检查效率,还能确保代码质量控制的准确性。
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