Blockly项目中ContextMenuItem API的scopeType属性废弃方案
2025-05-18 07:03:02作者:袁立春Spencer
背景介绍
Blockly作为一款流行的可视化编程工具,其上下文菜单系统允许开发者自定义各种操作选项。在当前的实现中,上下文菜单的显示范围受限于scopeType属性,这限制了菜单在非传统元素(如连接线等)上的应用灵活性。
当前限制与问题
现有API通过scopeType属性强制规定了上下文菜单只能出现在三种场景:
- 代码块(blocks)
- 工作区(workspaces)
- 工作区注释(workspace comments)
这种硬编码的方式存在明显局限性,特别是当开发者希望在其他可聚焦元素(如连接线、自定义组件等)上显示上下文菜单时,现有机制无法满足需求。
技术方案设计
1. API变更
将ContextMenuItem类型中的scopeType属性标记为可选(optional),为后续完全移除做准备。这一变更保持了向后兼容性,允许现有代码继续工作。
2. 兼容层实现
为确保平稳过渡,设计了一个兼容层处理逻辑:
- 注册时检测是否提供了
scopeType - 若有,则自动包装原有的
preconditionFn - 包装后的函数会在scope不匹配时返回'hidden'
这种设计使得现有代码无需立即修改就能继续工作,同时为迁移到新机制提供了缓冲期。
3. 条件判断迁移
将原有的基于scopeType的硬性范围检查,迁移到各个菜单项的preconditionFn中实现。例如:
- "删除块"菜单项应自行检查
scope.focusedNode是否为Block类型 - 其他菜单项同理实现自己的可见性逻辑
4. 核心逻辑改造
移除contextmenu_registry.ts中getContextMenuOptions函数内基于scopeType的检查逻辑,完全依赖各个菜单项自身的preconditionFn来决定是否显示。
技术优势分析
- 更强的灵活性:菜单项可以出现在任何可聚焦元素上,不再受限于三种固定类型
- 更清晰的职责划分:每个菜单项自行决定显示条件,符合单一职责原则
- 更好的可扩展性:新增菜单类型无需修改核心逻辑,只需实现自己的条件判断
- 平滑过渡方案:兼容层设计确保现有代码不受影响
实施建议
对于Blockly开发者来说,这一变更意味着:
- 新开发:应直接使用
preconditionFn实现显示逻辑,不再依赖scopeType - 已有代码迁移:逐步将
scopeType逻辑转移到preconditionFn中 - 测试验证:确保自定义菜单项在各种场景下的显示行为符合预期
总结
这一API改造标志着Blockly上下文菜单系统向更灵活、更解耦的方向发展。通过将显示逻辑下放到各个菜单项自身,系统获得了更强的扩展能力,同时也为开发者提供了更精细的控制手段。兼容层设计确保了过渡期的平稳,体现了良好的API演进策略。
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
222
238
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
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥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
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217