Sass/dart-sass 项目中 @import 规则解析异常问题分析
在 Sass/dart-sass 项目的 1.79.5 版本升级后,部分用户在使用 CSS 文件中的 @import 规则时遇到了类型转换异常问题。这个错误表现为当尝试解析包含特定格式 @import 规则的 CSS 文件时,系统会抛出"InterpolatedFunctionExpression 不是 StringExpression 的子类型"的错误。
问题现象
用户在使用 yarn build:css 命令构建项目时,会遇到以下错误提示:
TypeError: Instance of 'InterpolatedFunctionExpression': type 'InterpolatedFunctionExpression' is not a subtype of type 'StringExpression'
经过验证,这个问题在 1.79.4 版本中不存在,但在 1.79.5 及更高版本中都会出现。
问题根源
深入分析后发现,这个问题与 CSS 文件中 @import 规则的特殊使用方式有关。具体来说,当 CSS 文件中包含以下格式的 @import 规则时会出现问题:
- 使用带引号的 URL 字符串:
@import url("quoted-url-string"); - 使用 src() 函数的变体语法:
@import src("url-string");
dart-sass 解析器在处理这些特定格式的 @import 规则时,未能正确识别 URL 字符串的类型,导致类型转换失败。
解决方案
目前有以下几种可行的解决方案:
-
文件扩展名方案:将包含 @import 规则的文件扩展名从 .css 改为 .scss。Sass 处理器对 .scss 文件中的 @import 规则有更好的支持。
-
URL 格式调整:避免在 @import 规则的 URL 中使用引号,改为直接使用:
@import url(unquoted-url-string); -
版本回退:暂时回退到 1.79.4 版本,等待官方修复。
技术背景
根据 CSS 规范,@import 规则支持两种语法格式:
- 传统 URL 格式:
@import url(string); - 现代 src() 函数格式:
@import src(string);
其中 src() 函数允许引用 CSS 变量,而 url() 则不支持。dart-sass 当前版本对 src() 格式的支持尚不完善,导致了这次解析异常。
最佳实践建议
- 在 Sass 项目中,尽量使用 .scss 文件扩展名而非 .css
- 避免在 @import 规则的 URL 中使用不必要的引号
- 考虑使用 Sass 的 @use 规则替代 @import(Sass 官方推荐)
- 对于必须使用纯 CSS 的场景,确保 @import 语法简洁规范
这个问题预计会在未来的 dart-sass 版本中得到修复,开发团队已经注意到这个解析器缺陷并开始着手解决。在此期间,开发者可以采用上述解决方案之一来规避问题。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- 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
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00