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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00