Chroma v2.15.0 发布:语法高亮库的重大更新
Chroma 是一个用 Go 语言编写的高性能语法高亮库,它支持超过 200 种编程语言的语法高亮显示。作为一个轻量级且易于集成的库,Chroma 被广泛应用于各种需要代码高亮的场景,如文档生成器、博客系统和代码编辑器等。
最新发布的 Chroma v2.15.0 版本带来了多项重要更新和改进,包括新增对多种编程语言的支持、语法规则的优化以及样式主题的增强。这些改进不仅扩展了 Chroma 的功能范围,也提升了其在高亮显示方面的准确性和灵活性。
新增语言支持
v2.15.0 版本中,Chroma 增加了对多种编程语言和文件格式的支持:
- JSONata:一种用于查询和转换 JSON 数据的表达式语言
- Typst:一种现代化的文档排版系统
- Jsonnet:一种数据模板语言,用于生成 JSON 配置
- Eclipse ATL:一种模型转换语言
- NSIS:Nullsoft 脚本安装系统
- WebVTT:Web 视频文本轨道格式
- Beef:一种高性能系统编程语言
- Minecraft 相关语言:包括 Minecraft 函数、记分板和标签文件
这些新增的语言支持使得 Chroma 能够覆盖更广泛的开发场景,满足不同领域开发者的需求。
语法规则优化
新版本对现有语言的语法高亮规则进行了多项改进:
- TypeScript:现在支持嵌套泛型和高亮字符串字面量类型参数
- Go:改进了单行注释的处理,并添加了对
any类型的支持 - Haskell:现在可以正确解析数字中的下划线
- Nix:修复了缺失的
=运算符高亮 - Materialize:更新了该数据库系统的语法规则
- Hare:添加了对
done关键字的支持
这些优化显著提升了语法高亮的准确性,使得代码显示更加符合开发者的预期。
样式主题增强
v2.15.0 版本新增了两个视觉主题:
- Evergarden:一个受同名作品启发的主题
- Nordic:基于流行的 Nord 配色方案的主题
此外,还对现有的 GitHub Light 主题的调色板进行了更新,使其视觉效果更加协调统一。
功能改进
除了语言支持和样式方面的更新,v2.15.0 还包含了一些重要的功能改进:
- YAML 多行处理:修复了多行 YAML 内容输出时多余空格的问题
- Markdown 空白处理:移除了 Markdown 词法分析器中的空白标记规则
- 终端格式化:改进了终端输出的分页友好性
- JSON 支持扩展:现在支持
.jsonc文件扩展名(JSON with Comments)
这些改进使得 Chroma 在各种使用场景下都能提供更好的用户体验。
性能优化
虽然官方发布说明中没有明确提及性能指标,但从代码变更中可以观察到一些潜在的优化:
- Go 词法分析器的改进减少了不必要的行尾处理
- 正则表达式处理更加高效
- 词法分析器的规则组织更加合理
这些底层优化有助于提升 Chroma 在高负载环境下的处理能力。
总结
Chroma v2.15.0 是一个功能丰富且稳定的版本,它通过新增语言支持、优化现有语法规则和增强样式主题,进一步巩固了其作为 Go 生态中领先语法高亮库的地位。对于需要集成代码高亮功能的开发者来说,升级到这个版本将能获得更全面的语言支持和更准确的高亮效果。
无论是用于文档生成、博客系统还是开发工具,Chroma 都能提供专业级的语法高亮解决方案。v2.15.0 的发布标志着该项目在功能完整性和用户体验方面又向前迈进了一大步。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C091
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00