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。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00