Shiki在Next.js中集成remark-math的解决方案
2025-05-20 21:51:17作者:董宙帆
在使用Shiki进行代码高亮时,很多开发者会选择在Next.js项目中通过MDX来处理Markdown内容。当需要支持数学公式时,通常会引入remark-math插件,但这可能导致Shiki报错提示找不到math语言支持。本文将深入分析这个问题并提供完整的解决方案。
问题背景
Shiki作为代码高亮工具,默认并不包含对数学公式的语言支持。当我们在Next.js项目中同时使用remark-math插件和rehype-shiki插件时,Shiki会尝试将数学块(```math)作为代码块进行高亮处理,但由于缺乏对应的语言定义,就会抛出"Language math not found"错误。
核心原理
- remark-math插件的作用是将Markdown中的数学公式转换为特殊的HTML结构
- rehype-shiki插件负责对代码块进行语法高亮
- 数学公式本质上不应该被当作代码进行语法高亮
解决方案
正确的处理流程应该是:
- 首先使用remark-math解析数学公式
- 然后使用rehype-katex将数学公式转换为可渲染的HTML
- 最后使用rehype-shiki处理真正的代码块
具体配置示例如下:
const withMDX = createMDX({
extension: /\.(md|mdx)$/,
options: {
remarkPlugins: [remarkMath],
rehypePlugins: [
rehypeKatex, // 先处理数学公式
[
rehypeShiki, // 再处理代码高亮
{
themes: {
light: "vitesse-light",
dark: "vitesse-dark",
}
}
]
]
}
});
深入理解
这种处理顺序之所以重要,是因为:
- rehype-katex会识别并转换数学公式块,将它们从代码块形式转换为数学公式的HTML表示
- 经过rehype-katex处理后,Shiki就只会看到真正的代码块,而不会尝试对数学公式进行高亮
- 这种管道式的处理方式符合Markdown处理的一般原则:先转换特殊结构,再处理通用内容
最佳实践建议
- 对于数学公式密集的项目,建议单独测试数学公式的渲染效果
- 主题选择时要注意与数学公式样式的协调性
- 可以考虑添加错误边界处理,当数学公式渲染失败时提供优雅降级
- 对于复杂的文档,建议分阶段测试各个插件的效果
通过这样的配置,开发者可以在Next.js项目中同时享受Shiki的代码高亮能力和remark-math的数学公式支持,而不会产生冲突。这种组合特别适合技术文档、学术文章等需要同时展示代码和数学公式的场景。
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
223
245
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
672
157
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++
662
312
React Native鸿蒙化仓库
JavaScript
262
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
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218