TanStack Virtual 在 iOS 16 以下版本的滚动边界处理问题
在 React 虚拟滚动库 TanStack Virtual 的使用过程中,开发者可能会遇到一个与 iOS 浏览器滚动行为相关的特殊问题。这个问题主要出现在 iOS 16 以下版本的设备上,表现为当用户滚动到容器边缘时会出现异常的反弹动画效果。
问题现象
当在 iOS 16 以下版本的浏览器中使用 TanStack Virtual 进行水平或垂直虚拟滚动时,如果用户尝试滚动超过容器的边界(即尝试滚动到内容开始之前或结束之后),会出现不自然的反弹动画。具体表现为滚动位置会突然跳回边界值,导致用户体验不佳。
问题根源
这个问题源于 iOS 16 以下版本浏览器对滚动行为的特殊处理机制。在这些版本的 Safari 中,当滚动超过边界时,浏览器会强制触发一个反弹效果,这会导致虚拟滚动库的偏移量计算出现异常,进而引发重新渲染和布局重排。
解决方案
TanStack Virtual 提供了 observeElementOffset 配置项,允许开发者自定义滚动偏移量的观察行为。我们可以利用这个配置项来限制滚动偏移量始终保持在有效范围内,从而避免 iOS 的边界反弹问题。
以下是推荐的解决方案实现:
const virtualizer = useVirtualizer({
horizontal: true,
count,
getScrollElement: () => parentRef.current,
estimateSize: () => 100,
overscan: 6,
observeElementOffset: (instance, cb) =>
observeElementOffset(instance, (offset, isScrolling) =>
cb(
Math.max(
0,
Math.min(
offset,
instance.options.horizontal
? instance.scrollElement.scrollWidth -
instance.scrollElement.clientWidth
: instance.scrollElement.scrollHeight -
instance.scrollElement.clientHeight
)
),
isScrolling
)
});
实现原理
这个解决方案的核心在于对滚动偏移量进行钳制处理:
-
获取当前滚动方向(水平或垂直)的最大允许偏移量
- 水平方向:
scrollWidth - clientWidth - 垂直方向:
scrollHeight - clientHeight
- 水平方向:
-
使用
Math.max(0, Math.min(offset, maxOffset))确保偏移量始终在 0 到最大允许值之间 -
将处理后的偏移量传递给原始回调函数
这种方法有效地阻止了 iOS 浏览器在边界处的异常反弹行为,同时保持了虚拟滚动的正常功能。
注意事项
-
此解决方案主要针对 iOS 16 以下版本,现代浏览器通常不需要这种处理
-
在使用自定义
observeElementOffset时,需要确保正确处理isScrolling参数,避免在初始化时错误地标记为滚动状态 -
对于复杂的虚拟滚动场景,可能需要根据实际需求调整钳制逻辑
通过这种处理方式,开发者可以在保持 TanStack Virtual 高性能特性的同时,解决 iOS 旧版本浏览器中的滚动边界问题,提供更流畅的用户体验。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00