unplugin-vue-components 中如何正确排除文件生成类型声明
2025-06-16 04:29:13作者:凌朦慧Richard
在使用 unplugin-vue-components 插件时,开发者有时需要排除某些特定文件不生成对应的 TypeScript 类型声明。本文将深入探讨这一功能的正确配置方法及其背后的原理。
问题背景
当开发者尝试通过配置 exclude 选项来阻止某些 Vue 组件文件生成类型声明时,可能会遇到以下情况:
- 虽然配置了排除规则,但类型声明文件仍然生成
- 生成的类型声明对应的组件实际上无法正常使用
解决方案
正确的排除方法不是使用正则表达式模式,而是采用 glob 模式进行文件匹配。这是 unplugin-vue-components 插件内部实现机制决定的。
配置示例
{
dts: true,
exclude: [
'**/once.vue', // 使用glob模式匹配once.vue文件
'**/special/*.vue' // 也可以匹配特定目录下的所有vue文件
]
}
技术原理
-
glob模式与正则表达式的区别:
- glob 是专门用于文件路径匹配的简单模式语言
- 正则表达式虽然功能强大,但在文件匹配场景下不如 glob 直观
-
插件内部处理机制:
- unplugin-vue-components 在生成类型声明时会先进行文件过滤
- 过滤阶段使用的是类似文件系统的路径匹配逻辑
- glob 模式能更准确地表达文件路径匹配意图
-
常见误区和注意事项:
- 不要同时包含
.vue和.vue?vue两种模式 - 路径匹配要考虑项目根目录的相对位置
- 复杂的排除逻辑可以结合多个 glob 模式实现
- 不要同时包含
最佳实践
-
对于单个文件的排除:
exclude: ['src/components/Button.vue'] -
对于一类文件的排除:
exclude: ['**/*.spec.vue'] // 排除所有测试组件 -
对于目录的排除:
exclude: ['src/legacy-components/**'] // 排除整个目录
通过理解这些配置方式和背后的原理,开发者可以更精确地控制 unplugin-vue-components 的类型声明生成行为,避免生成不必要的类型定义文件。
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
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥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