Excalidraw元素转换中customData字段丢失问题解析
2025-04-29 05:20:02作者:余洋婵Anita
问题背景
在使用Excalidraw的convertToExcalidrawElements()函数时,开发者发现了一个重要问题:当将ExcalidrawElementSkeleton类型转换为ExcalidrawElement类型时,元素中的customData字段会丢失。这个字段对于存储自定义数据非常有用,比如记录元素的创建者信息或其他元数据。
问题复现
通过以下代码可以清晰地复现这个问题:
const rawData: ExcalidrawElementSkeleton[] = [
{
type: "rectangle",
x: 100,
y: 100,
customData: { createdBy: "user01" },
},
];
const convertedElements = convertToExcalidrawElements(rawData);
console.log(convertedElements[0].customData); // 输出undefined
在这个例子中,原始数据包含了一个矩形元素和它的自定义数据,但转换后这个自定义数据却消失了。
技术分析
convertToExcalidrawElements()函数的主要作用是将简化版的元素定义(骨架)转换为完整的Excalidraw元素对象。在这个过程中,函数需要处理各种元素属性和类型验证,但最初版本没有考虑到保留用户自定义数据的需求。
这种数据丢失问题通常发生在类型转换过程中,当转换函数没有显式地处理所有可能的字段时。在Excalidraw的架构中,customData字段被设计为允许开发者存储任意自定义数据,但在转换逻辑中却被忽略了。
解决方案
Excalidraw团队通过修改convertToExcalidrawElements()函数的实现修复了这个问题。现在,这个函数会正确地保留并传递所有自定义数据字段。修复后的行为符合预期,能够完整保留元素的原始数据,包括开发者添加的任何自定义信息。
最佳实践
对于需要在Excalidraw元素中存储额外信息的开发者,建议:
- 使用
customData字段存储自定义元数据 - 确保使用最新版本的Excalidraw库,以获得完整的自定义数据支持
- 在元素转换前后验证自定义数据的完整性
- 为自定义数据定义清晰的类型和结构,以提高代码可维护性
这个修复体现了Excalidraw对开发者需求的响应能力,也展示了开源项目如何通过社区反馈不断完善自身功能。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137