MDX-Editor 中 JSX 节点克隆问题的分析与解决
2025-06-30 11:42:54作者:毕习沙Eudora
MDX-Editor 是一个基于 Lexical 框架构建的富文本编辑器,专门用于处理 MDX 格式的内容。在最新版本中,开发者报告了一个与 JSX 节点克隆相关的错误,本文将深入分析这个问题及其解决方案。
问题现象
当开发者在 MDX-Editor 中使用 JSX 功能时,控制台会抛出以下错误信息:
Error: $cloneWithProperties: LexicalJsxNode.clone(node) (with type 'jsx') did not return a node with the same key, make sure to specify node.__key as the last argument to the constructor
这个错误表明在克隆 JSX 节点时,系统无法保持节点的唯一标识符(key)一致性,导致编辑器无法正确处理 JSX 节点。
问题根源
经过代码审查,发现问题出在 LexicalJsxNode.tsx 文件的第 35 行。原始代码使用了 structuredClone 方法来深度复制节点的 __mdastNode 属性:
return new LexicalJsxNode(structuredClone(node.__mdastNode))
这种实现方式存在两个主要问题:
- 深度克隆会创建一个全新的对象,丢失了原始节点的关键元数据
- 没有传递节点的
__key属性,导致克隆后的节点无法与原始节点保持标识一致性
解决方案
正确的做法应该是直接使用原始节点的 __mdastNode 和 __key 属性来创建新节点:
return new LexicalJsxNode(node.__mdastNode, node.__key)
这种修改确保了:
- 新节点与原始节点共享相同的 AST 结构
- 保持了节点的唯一标识符一致性
- 符合 Lexical 框架对节点克隆的预期行为
技术背景
在 Lexical 编辑框架中,每个节点都必须有一个唯一的 __key 标识符。这个标识符用于:
- 虚拟 DOM 的高效比对和更新
- 维护编辑器状态的一致性
- 支持撤销/重做等历史操作
当节点被克隆时,必须确保新节点继承原始节点的关键属性,特别是 __key。否则会导致编辑器无法正确追踪节点变化,进而引发各种异常行为。
影响范围
这个问题主要影响以下场景:
- 在编辑器中使用自定义 JSX 组件
- 执行复制粘贴操作涉及 JSX 节点
- 使用撤销/重做功能时包含 JSX 节点修改
最佳实践
对于基于 Lexical 开发自定义节点的开发者,应当注意:
- 在节点克隆时始终传递原始节点的
__key - 避免不必要的深度克隆,除非确实需要完全独立的副本
- 确保自定义节点实现完整的序列化/反序列化逻辑
- 在节点构造函数中正确处理所有必需的属性
总结
MDX-Editor 3.11.5 版本已经修复了这个 JSX 节点克隆问题。开发者现在可以正常使用 JSX 功能而不会遇到节点标识符错误。这个案例也提醒我们,在使用现代编辑器框架时,理解其内部节点管理系统的工作原理至关重要,特别是在处理自定义节点类型时。
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