cssnano 7.0.7 版本发布:性能优化与功能增强
项目简介
cssnano 是一个现代化的 CSS 压缩工具,基于 PostCSS 构建。它通过一系列优化转换,能够显著减小 CSS 文件体积,提升网页加载性能。作为前端构建流程中的重要一环,cssnano 被广泛应用于各种前端项目中。
版本亮点
cssnano 7.0.7 版本带来了一系列改进和修复,主要包括性能优化、功能增强和问题修复三个方面。
性能优化
-
启动性能提升:新版本改进了默认预设的加载方式,在启动时即加载默认预设,减少了运行时开销。这一优化对于大型项目尤其有利,能够缩短构建时间。
-
依赖更新:更新了 postcss 的 peer 依赖版本,解决了潜在的兼容性问题,同时保持了更好的稳定性。
功能增强
-
选择器顺序保留:在 postcss-minify-selectors 插件中新增了对选择器顺序保留的支持。这一特性对于依赖选择器顺序的特殊样式场景非常有用。
-
百分比值处理改进:在 postcss-convert-values 插件中,修复了在双引号包围的 at-rules 内百分比符号被错误处理的问题,现在能够正确保留百分号。
问题修复
-
TypeScript 声明更新:完善了 TypeScript 类型声明,为使用 TypeScript 的项目提供了更好的类型支持。
-
浏览器兼容性更新:更新了 browserslist 配置,确保生成的 CSS 代码与目标浏览器环境保持最佳兼容。
技术细节解析
选择器顺序保留的实现
在 CSS 中,选择器的顺序有时会影响样式的优先级。cssnano 7.0.7 通过增强 postcss-minify-selectors 插件,现在能够识别并保留那些需要保持顺序的选择器组。这一改进特别适用于以下场景:
/* 原始代码 */
.button:hover { color: red; }
.button:focus { color: blue; }
/* 7.0.7 之前可能被压缩为 */
.button:focus, .button:hover { color: blue; color: red; }
/* 7.0.7 会保持原始顺序 */
.button:hover { color: red; }
.button:focus { color: blue; }
百分比值处理的改进
在处理包含百分比值的 at-rules 时,特别是当这些规则被双引号包围时,之前的版本可能会错误地移除百分号。7.0.7 版本修复了这一问题:
/* 原始代码 */
@supports (width: "100%") {
.element { width: 100%; }
}
/* 7.0.7 之前可能错误处理为 */
@supports (width: "100") {
.element { width: 100%; }
}
/* 7.0.7 会正确保留百分号 */
@supports (width: "100%") {
.element { width: 100%; }
}
升级建议
对于正在使用 cssnano 的项目,建议尽快升级到 7.0.7 版本,特别是:
- 使用了 TypeScript 的项目,可以获得更好的类型支持
- 项目中有依赖选择器顺序的特殊样式需求
- 使用了包含百分比值的 at-rules
- 关注构建性能优化的团队
升级方式简单,只需更新 package.json 中的依赖版本即可。由于这是一个补丁版本,遵循语义化版本控制原则,不会引入破坏性变更,升级风险较低。
总结
cssnano 7.0.7 虽然是一个小版本更新,但带来了实质性的改进。从性能优化到功能增强,再到问题修复,这些改进共同提升了开发体验和输出质量。作为 CSS 优化工具链中的重要一环,cssnano 持续演进,为前端开发者提供更高效、更可靠的代码压缩解决方案。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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