Shiki项目在Safari浏览器中的语法高亮异常问题解析
问题背景
Shiki作为一款流行的代码语法高亮工具,近期在Safari浏览器中出现了异常表现。具体表现为:当使用JavaScript引擎进行语法高亮时,在Safari浏览器中会出现高亮错误,而Chrome等其他浏览器则表现正常。这一问题在Shiki 3.2.0及以上版本中出现,且仅在使用JavaScript引擎时发生。
问题现象
在Safari浏览器中,特别是当使用服务器端渲染(SSR)和客户端水合(hydration)时,语法高亮会出现以下异常:
- 高亮区域不正确,部分语法元素未被正确识别
- 在某些情况下,文本内容会被错误地复制到行末
- 问题在SSR阶段表现正常,但在客户端水合后出现异常
相比之下,Chrome浏览器和WebKit内核在完整页面加载前都能正确显示高亮效果。
技术分析
经过深入调查,发现问题根源在于WebKit引擎对正则表达式v标志的处理存在缺陷。具体表现为:
-
正则表达式v标志问题:WebKit在处理嵌套的否定字符类时存在错误。例如,正则表达式
/[a[^a-z]]/v在WebKit中会错误地匹配字符'b',而无法正确匹配字符'!'。 -
版本依赖关系:
- Shiki 3.2.0开始使用Oniguruma-To-ES 4.1.0及以上版本
- 问题与tm-grammars 1.23.1版本引入的变更有关
- 该版本引入了oniguruma-parser正则表达式优化器,导致大量正则表达式发生变化
-
引擎差异:
- 使用Oniguruma引擎时表现正常
- 仅在使用JavaScript引擎时出现问题
- 将JavaScript引擎目标设置为'ES2018'可以规避此问题
解决方案
针对这一问题,开发者采取了以下解决方案:
-
Oniguruma-To-ES修复:在Oniguruma-To-ES 4.3.3版本中,对嵌套的否定字符类进行了特殊处理,将其转换为与u标志兼容的形式。例如,将
[a[^a-z]]转换为(?:[a]|[^a-z])。 -
临时解决方案:
- 使用Oniguruma引擎替代JavaScript引擎
- 将JavaScript引擎目标显式设置为'ES2018'
- 对于SSR应用,确保服务器端和客户端使用相同的引擎
最佳实践建议
-
版本选择:确保使用包含修复的Oniguruma-To-ES 4.3.3及以上版本。
-
引擎配置:在Safari占比较高的用户群体中,考虑统一使用Oniguruma引擎或设置ES2018目标。
-
测试策略:在跨浏览器测试中,特别关注Safari下的语法高亮表现。
-
问题监测:关注WebKit引擎的更新,特别是对正则表达式v标志处理的改进。
总结
这一案例展示了浏览器引擎差异可能导致的复杂问题。作为开发者,我们需要:
- 充分理解所依赖工具的技术实现细节
- 建立完善的跨浏览器测试机制
- 保持对上游问题的关注和反馈
- 在技术选型时考虑浏览器兼容性因素
通过这次问题的分析和解决,Shiki项目在浏览器兼容性方面又迈出了重要一步,为开发者提供了更可靠的语法高亮解决方案。
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