SolidJS 中 HTMLMenuElement 类型问题的分析与解决
问题背景
在 SolidJS 项目中使用 TypeScript 开发时,开发者可能会遇到一个与 HTMLMenuElement 类型相关的类型错误。当尝试为 <menu> 元素定义属性类型时,使用 JSX.MenuHTMLAttributes<HTMLMenuElement> 会导致 TypeScript 报错。
错误表现
开发者定义了一个 Menu 组件,代码如下:
import type { JSX } from 'solid-js'
type Props = JSX.MenuHTMLAttributes<HTMLMenuElement>
export function Menu(props: Props) {
return (
<menu {...props}>
example
</menu>
)
}
此时 TypeScript 会报错,指出类型不兼容,特别是 onCopy 事件处理程序的类型存在问题。错误信息表明 HTMLElement 缺少 HTMLMenuElement 所需的 compact 属性。
问题根源
这个问题的本质在于 SolidJS 的类型定义系统中,MenuHTMLAttributes 泛型类型参数期望的是 HTMLElement 而不是 HTMLMenuElement。这是由于 DOM 类型层次结构中的不一致性导致的。
在 DOM 类型定义中:
HTMLMenuElement继承自HTMLElement- 但
HTMLMenuElement有一些特有的属性(如compact) - 当类型系统尝试将
HTMLMenuElement的事件处理器赋值给HTMLElement的事件处理器时,就会产生类型不匹配的错误
临时解决方案
在官方修复之前,开发者可以采用以下两种临时解决方案:
- 使用 SolidJS 提供的
HTMLElementTags类型:
type Props = JSX.HTMLElementTags['menu']
- 显式指定为
HTMLElement而非HTMLMenuElement:
type Props = JSX.MenuHTMLAttributes<HTMLElement>
技术细节解析
这个问题的技术细节涉及到几个关键点:
-
SolidJS 的 JSX 类型系统:SolidJS 为所有 HTML 元素提供了类型定义,这些定义位于
JSX命名空间下。 -
DOM 类型层次结构:浏览器 DOM 的类型定义中,各种元素类型形成了复杂的继承关系。
HTMLMenuElement是HTMLElement的子类型,但添加了特定属性。 -
事件处理器类型:SolidJS 使用
EventHandlerUnion类型来处理事件,当类型参数不匹配时就会产生问题。
最佳实践建议
- 对于标准 HTML 元素组件,优先使用
JSX.HTMLElementTags['tagname']形式 - 当需要扩展组件属性时,可以结合使用交叉类型:
type Props = JSX.HTMLElementTags['menu'] & { customProp?: string } - 关注 SolidJS 的更新,这个问题可能会在未来的版本中得到修复
总结
这个类型问题虽然看起来复杂,但理解了 SolidJS 类型系统和 DOM 类型之间的关系后,就能找到合理的解决方案。开发者在使用特定元素类型时应当注意类型兼容性问题,并选择最稳定的类型定义方式。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00