ProseMirror在iOS特殊DOM环境下日语输入法兼容性问题解析
问题背景
ProseMirror作为一款优秀的富文本编辑器框架,在处理复杂输入场景时通常表现良好。然而,在特定环境下——特别是当编辑器被嵌入到特殊DOM结构中,并且用户在iOS设备上使用日语Kana输入法时,会出现一个特殊的问题:输入字符后整个文本会被高亮选中,导致用户无法连续输入多个词语。
现象描述
当用户在iOS设备(包括Safari和Chrome浏览器)上:
- 使用日语Kana输入法
- 在特殊DOM结构中的ProseMirror编辑器输入内容时
- 每输入一个字符后,所有已输入内容都会被自动选中
- 继续输入会替换之前的内容,无法形成连贯的句子
技术分析
这个问题源于ProseMirror视图层(prosemirror-view)中处理Safari浏览器下特殊DOM选区(range)的特殊逻辑。核心问题出现在safariSelectionRange函数中,该函数原本用于处理Safari在特殊DOM中的选区异常。
在标准情况下,这段代码通过启发式方法判断是否应该交换选区的锚点和焦点位置:
if (isEquivalentPosition(currentAnchor.node, currentAnchor.offset, focusNode, focusOffset)) {
[anchorNode, anchorOffset, focusNode, focusOffset] = [focusNode, focusOffset, anchorNode, anchorOffset];
}
然而,在日语Kana输入法下,这种启发式判断会导致选区状态异常,表现为不断选中全部文本的异常行为。
解决方案
经过项目维护者的分析,这个问题可以通过以下方式解决:
-
官方补丁:ProseMirror团队已经提交了一个修复补丁,调整了选区处理的逻辑,使其在日语输入法下也能正常工作。
-
临时解决方案:在等待官方版本更新的情况下,开发者可以通过监听组合输入事件,在每次组合输入后手动重置选区状态:
appendTransaction(transactions, prevState, state) {
const hasComposition = transactions.some(tr => tr.getMeta('composition'));
if (hasComposition) {
const { tr, doc, selection } = state;
const { from, to } = selection;
return tr.setSelection(TextSelection.create(doc, from, to));
}
}
技术深度解析
这个问题的本质在于浏览器输入事件处理与特殊DOM的特殊交互。在特殊DOM环境下:
- 浏览器对输入法事件的处理与常规DOM有所不同
- 选区(selection)API在特殊DOM中的行为存在浏览器差异
- 日语Kana输入法会产生特殊的输入序列和选区变化
ProseMirror原本的启发式逻辑在大多数情况下有效,但在这种特定组合下失效。修复方案通过更精确地处理特殊DOM中的选区状态,避免了不必要的位置交换。
最佳实践建议
对于需要在特殊DOM中使用ProseMirror并支持多语言输入的开发者:
- 确保使用最新版本的ProseMirror
- 针对复杂的输入法场景进行充分测试
- 考虑实现输入状态监控,以便及时发现和修复类似问题
- 在自定义插件中谨慎处理选区变化,避免干扰输入法正常工作
总结
这个案例展示了现代Web编辑器中处理国际化输入时面临的挑战,特别是在特殊DOM这样的封装环境下。通过理解浏览器、输入法和编辑器框架之间的复杂交互,开发者可以更好地诊断和解决类似问题。ProseMirror团队对此问题的快速响应也体现了开源项目对国际化支持的重要性。
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