eslint-plugin-perfectionist 新增枚举值排序功能解析
2025-06-30 07:44:08作者:袁立春Spencer
eslint-plugin-perfectionist 是一个专注于代码风格一致性的 ESLint 插件,它提供了多种排序规则来帮助开发者保持代码整洁有序。在最新发布的 3.2.0 版本中,该插件为 sort-enums 规则新增了按枚举值排序的功能,这为开发者提供了更灵活的代码风格选择。
枚举排序的两种方式
在 TypeScript 开发中,枚举(Enum)是一种常见的数据结构,它允许开发者定义一组命名的常量。对于枚举成员的排序,通常有两种主要方式:
- 按枚举名称排序:这是传统的排序方式,按照枚举成员的名称字母顺序进行排列
- 按枚举值排序:新增的排序方式,按照枚举成员的实际值进行排序
使用场景分析
按名称排序适用于以下场景:
- 枚举成员的值没有特定的逻辑顺序
- 开发者更关注枚举成员名称的组织结构
- 需要快速查找特定名称的枚举成员
按值排序则更适合以下情况:
- 枚举值代表有意义的数字序列(如状态码、优先级等)
- 枚举值之间存在逻辑上的先后关系
- 需要直观展示枚举值的递增/递减顺序
配置示例
在 eslint-plugin-perfectionist 3.2.0 版本中,可以通过以下配置启用按值排序:
{
"rules": {
"perfectionist/sort-enums": [
"error",
{
"type": "alphabetical",
"order": "asc",
"sortBy": "value" // 新增选项,可选 'name' 或 'value'
}
]
}
}
实际应用对比
假设我们有一个表示方向的枚举:
// 按值排序(升序)
enum Direction {
Up = 1,
Down = 2,
Left = 3,
Right = 4,
}
// 按名称排序(升序)
enum Direction {
Down = 2,
Left = 3,
Right = 4,
Up = 1,
}
第一种排序方式更符合数值逻辑,而第二种则便于按名称查找。开发者可以根据项目需求和团队约定选择合适的排序方式。
最佳实践建议
- 在团队项目中,应统一排序方式以保持代码一致性
- 对于表示连续状态的枚举,推荐使用按值排序
- 对于纯粹作为命名容器的枚举,按名称排序可能更合适
- 在现有项目中引入此规则时,建议逐步迁移以避免大规模重构
eslint-plugin-perfectionist 的这一更新为 TypeScript 开发者提供了更多代码风格控制的选择,有助于提升代码的可读性和维护性。
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
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.18 K
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
Ascend Extension for PyTorch
Python
228
258
暂无简介
Dart
679
160
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++
689
325
🔥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
65
19
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492