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。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust037
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00