Textual框架v2.0.0发布:平滑滚动与文本选择革命
Textual是一个基于Python的终端用户界面(TUI)开发框架,它让开发者能够构建现代化、交互式的命令行应用程序。这个框架采用了类似Web开发的组件化思想,支持CSS样式和响应式布局,为传统终端界面带来了全新的开发体验。
重大版本升级
Textual v2.0.0版本带来了多项突破性改进,其中最引人注目的是全新的文本选择功能和终端平滑滚动技术。虽然距离1.0版本发布仅几个月时间,但由于包含了破坏性变更,按照语义化版本规范(Semver)升级到了2.0.0版本。
核心特性解析
1. 全功能文本选择系统
v2.0.0版本实现了终端应用长期以来缺失的关键功能——任意文本选择。现在用户可以:
- 通过鼠标拖动选择文本内容
- 使用Ctrl+C快捷键复制选中文本
- 双击选择单词,三击选择整个容器内容
- 通过Widget.ALLOW_SELECT类变量控制是否允许选择
这项功能几乎在所有组件中都得到了支持,为终端应用带来了更接近GUI的操作体验。开发者可以通过select_all()方法实现全选功能,或使用select_container属性获取选择容器。
2. 终端平滑滚动技术
Textual团队实现了终端领域的重大突破——像素级平滑滚动。这项技术目前支持Kitty、Ghostty等现代终端模拟器,通过TEXTUAL_SMOOTH_SCROLL环境变量可控制启用状态。
平滑滚动消除了传统终端应用的"跳行"现象,使滚动动画更加流畅自然,大幅提升了用户体验。这是终端技术发展几十年来的重要进步。
3. 全新内容系统
v2.0.0引入了Content.from_markup方法,取代了原有的Rich.from_markup处理方式。这一变更影响了render()等方法的返回值处理,开发者需要注意:
- 颜色渲染可能略有不同
- 表情符号代码(如":smiley:")不再自动处理
- 如需保持旧行为,需显式使用Rich.from_markup()
其他重要改进
- Select组件新增type_to_search功能,支持输入搜索快速定位选项
- Input组件新增Blurred消息,完善了验证流程
- 新增text-wrap和text-overflow CSS属性,提供更灵活的文本控制
- 优化了Log控件的选择和刷新行为
- 修复了Header图标工具提示显示问题
- 改进了滚动条背景透明度处理
开发者迁移指南
升级到v2.0.0版本时,开发者需要注意以下破坏性变更:
- OptionList不再支持Separator,应使用None作为分隔符
- 移除了OptionList的wrap参数,改用CSS样式控制
- 移除了OptionList的tooltip参数,使用tooltip属性或with_tooltip()方法
Textual v2.0.0标志着终端应用开发的新时代,通过引入文本选择和平滑滚动等先进特性,大幅缩小了命令行界面与图形界面的体验差距。这些改进不仅提升了终端应用的可用性,也为开发者提供了更强大的工具来构建现代化的命令行工具。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112