MindMap项目中富文本编辑器对图片属性的处理问题分析
问题背景
在MindMap项目的使用过程中,用户发现了一个关于富文本编辑器处理图片属性的问题:当用户对包含图片的内容进行富文本编辑时,图片元素原有的自定义属性(如data-latex)会丢失。这个问题尤其影响那些需要在图片上附加额外信息的应用场景。
技术原理分析
MindMap项目中的富文本编辑功能基于Quill编辑器实现。Quill是一个流行的开源富文本编辑器,它使用自定义的"blot"系统来处理不同类型的内容元素。默认情况下,Quill对图片元素的处理较为基础,只保留了图片的核心属性(如src、alt等),而忽略了其他自定义属性。
问题根源
问题的核心在于Quill默认的图片格式处理器(Image blot)没有考虑自定义属性的保留。当用户编辑内容时,Quill会重新构建DOM结构,在这个过程中,未被显式处理的属性就会被丢弃。
解决方案
方案一:扩展Quill的Image Blot
可以通过继承Quill的Image blot并扩展其功能来解决这个问题。具体实现如下:
const Image = Quill.import('formats/image');
class LatexImage extends Image {
static create(value) {
let node = super.create(value);
if (value.latex) {
node.setAttribute('data-latex', value.latex);
}
return node;
}
static formats(domNode) {
let formats = super.formats(domNode);
if (domNode.hasAttribute('data-latex')) {
formats.latex = domNode.getAttribute('data-latex');
}
return formats;
}
format(name, value) {
if (name === 'latex') {
if (value) {
this.domNode.setAttribute('data-latex', value);
} else {
this.domNode.removeAttribute('data-latex');
}
} else {
super.format(name, value);
}
}
}
LatexImage.blotName = 'image';
LatexImage.tagName = 'img';
Quill.register(LatexImage);
这个自定义的LatexImage类扩展了Quill的默认Image blot,添加了对data-latex属性的特殊处理,确保这个属性在编辑过程中能够被保留。
方案二:修改RichText插件
对于MindMap项目的用户,可以直接修改RichText插件源码来支持自定义属性。这种方法适合有定制化需求的用户,但需要注意维护问题。
方案三:创建自定义npm包
更优雅的解决方案是将扩展功能打包成独立的npm包,这样既保持了原项目的纯净,又方便其他用户使用。用户可以:
- 创建一个新的npm包,包含扩展后的Image blot实现
- 发布到npm仓库
- 其他用户通过安装这个包并注册即可获得功能扩展
实施建议
对于大多数用户,推荐采用方案一或方案三:
- 如果只是个人使用,可以直接在项目中实现方案一的代码
- 如果是团队或开源项目,建议采用方案三,创建独立的扩展包
- 对于需要长期维护的项目,可以考虑向MindMap项目提交PR,将这一功能整合到官方代码中
总结
富文本编辑器对自定义属性的处理是一个常见问题,MindMap项目中遇到的这个问题可以通过扩展Quill的功能来解决。理解Quill的blot系统是解决这类问题的关键,通过自定义blot可以灵活地控制编辑器对各种内容的处理方式。这种解决方案不仅适用于图片属性问题,也可以推广到其他需要特殊处理的元素类型上。
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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