wasm-bindgen 中 web_sys 字符串枚举类型生成问题的技术解析
背景介绍
wasm-bindgen 是一个用于连接 Rust 和 JavaScript 的工具链,它允许 Rust 代码与 JavaScript 代码进行互操作。web_sys 是 wasm-bindgen 生态系统中的一个重要 crate,它提供了对 Web API 的 Rust 绑定。
在最新版本的 wasm-bindgen 0.2.94 和 web_sys 0.3.71 中,开发者发现了一个关于字符串枚举类型(TypeScript 定义)生成的问题:即使没有在项目接口中显式使用某些 web_sys 的字符串枚举类型,生成的 TypeScript 定义文件中也会包含这些类型的定义。
问题现象
当开发者使用 wasm-pack 构建项目时,生成的 TypeScript 定义文件(.d.ts)中会包含大量来自 web_sys 的字符串枚举类型定义,例如:
/**
*The `MediaSourceReadyState` enum.
*
**This API requires the following crate features to be activated: `MediaSourceReadyState`*
*/
export type MediaSourceReadyState = "closed" | "open" | "ended";
这些类型定义在之前的版本(wasm_bindgen 0.2.93)中并不会出现,即使开发者并没有在项目接口中使用这些类型。
技术分析
web_sys 的类型系统设计
web_sys 的主要目的是为 JavaScript Web API 提供 Rust 绑定。由于这些 API 是从 JavaScript 导入到 Rust 的,因此在 JavaScript/TypeScript 端不需要导出这些类型,所以通常不会在 .d.ts 文件中包含这些类型。
然而,字符串枚举是一个特殊情况。web_sys 中的字符串枚举定义方式与用户代码中导出字符串枚举的方式完全相同:
#[wasm_bindgen]
pub enum MediaSourceReadyState {
Closed = "closed",
Open = "open",
Ended = "ended",
}
这种定义方式与用户导出 C 风格枚举和结构体的行为一致,因此从技术上讲,将字符串枚举包含在生成的 .d.ts 文件中是符合预期的行为。
类型导出的四种情况
从技术角度看,web_sys 字符串枚举的使用可以分为四种情况:
- 外部类型内部使用:web_sys 定义的枚举仅在项目内部使用
- 外部类型公开使用:web_sys 定义的枚举作为项目公共接口的一部分
- 自定义类型内部使用:用户定义的枚举仅在项目内部使用
- 自定义类型公开使用:用户定义的枚举作为项目公共接口的一部分
其中,情况1和4的行为是明确的:
- 情况1不应导出类型定义
- 情况4应该导出类型定义
但情况2和3的行为则不太明确:
- 情况2中,虽然类型需要定义,但不确定是否应该导出
- 情况3中,虽然枚举被显式定义为 pub,但不确定是否应该因为它仅内部使用而不导出
私有字符串枚举的特殊情况
用户代码中还存在私有字符串枚举的特殊情况。当前的行为是:
- 私有字符串枚举被公开使用时:定义类型但不导出
- 私有字符串枚举仅内部使用时:不定义类型
解决方案讨论
针对这个问题,开发团队讨论了多种解决方案:
-
临时解决方案:为 web_sys 枚举添加 skip_typescript 属性
- 优点:快速解决问题,同时保持 #2153 的修复
- 缺点:不适用于用户自定义的 web_sys 补充绑定
-
彻底解决方案:只导出被引用的类型
- 更精确地控制类型导出
- 需要更多开发工作
-
回退方案:完全回退到之前的行为
- 立即解决问题
- 放弃 #2153 的相关改进
经过讨论,团队决定先采用回退方案,暂时解决当前问题,同时继续研究更完善的解决方案。
对开发者的影响
对于使用 wasm-bindgen 和 web_sys 的开发者,这个问题会导致:
- 生成的 TypeScript 定义文件变得臃肿,包含大量未使用的类型定义
- 可能影响 TypeScript 的类型检查和自动补全体验
- 在构建过程中增加不必要的处理时间
建议开发者:
- 暂时回退到 wasm_bindgen 0.2.93 版本
- 关注后续更新,等待更完善的解决方案
- 如果必须使用新版本,可以手动清理不需要的类型定义
未来展望
wasm-bindgen 团队将继续研究更智能的类型导出机制,目标是:
- 精确控制哪些类型需要导出
- 保持与现有行为的兼容性
- 提供更灵活的类型导出配置选项
这个问题的解决将进一步提升 wasm-bindgen 在 TypeScript 生态系统中的集成体验,使生成的类型定义更加精确和高效。
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