Shiki代码高亮库在React中的同步渲染解决方案
2025-05-20 16:05:13作者:羿妍玫Ivan
背景介绍
Shiki是一个流行的代码语法高亮库,它基于VS Code的语法引擎,提供精准的代码着色功能。在React应用中使用Shiki时,开发者常常会遇到异步加载的问题,因为Shiki的核心功能需要异步加载语言定义和主题资源。
核心挑战
React的渲染过程本质上是同步的,而Shiki的高亮功能需要异步初始化。这就产生了一个矛盾:如何在同步渲染的React组件中使用异步初始化的高亮功能?特别是在不支持顶层await的浏览器环境中,这个问题变得更加棘手。
解决方案
方案一:React 18以下版本的实现
对于React 18以下的版本,我们可以采用上下文(Context)和状态管理的组合方案:
- 创建高亮器上下文:建立一个React上下文来共享高亮器实例
- 初始化空高亮器:提供一个默认的无操作高亮器作为fallback
- 异步加载真实高亮器:在组件挂载后异步初始化Shiki高亮器
- 更新上下文值:高亮器加载完成后更新上下文
这种方案的优点是可以渐进式地显示内容,先显示原始代码,待高亮器加载完成后再显示高亮后的代码。
方案二:React 18+版本的实现
React 18引入了新的并发特性和Suspense组件,使得解决方案更加简洁:
- 提前创建Promise:在模块级别创建高亮器的Promise
- 使用use钩子:在组件内部使用React的实验性use钩子来消费Promise
- Suspense边界:用Suspense组件包裹需要高亮的组件,提供加载状态
这种方法利用了React 18的新特性,代码更加简洁直观,同时保持了良好的用户体验。
技术细节
无论采用哪种方案,都需要注意以下几点:
- 主题和语言配置:需要预先声明需要加载的主题和语言,以优化加载性能
- 错误处理:考虑网络请求失败等异常情况的处理
- 性能优化:避免重复加载高亮器,确保单例模式
- SSR兼容:在服务端渲染时需要考虑不同的处理方式
最佳实践建议
- 根据项目使用的React版本选择合适的实现方案
- 合理选择需要加载的语言和主题,避免不必要的资源加载
- 对于大型应用,考虑将高亮器初始化提前到应用启动阶段
- 提供适当的加载状态反馈,提升用户体验
- 在生产环境进行充分的性能测试
通过以上方案,开发者可以在React应用中优雅地集成Shiki代码高亮功能,即使在需要同步渲染的场景下也能保持良好的用户体验。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
177
195
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++
647
263
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
270
93
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
378
3.33 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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