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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00