Lexical项目中$selectAll函数的统一与优化
2025-05-10 10:56:23作者:薛曦旖Francesca
在Lexical富文本编辑器框架的开发过程中,存在两个不同包中实现的$selectAll函数,这给开发者带来了一定程度的混淆和使用不便。本文将深入分析这一问题的背景、解决方案及其技术实现细节。
问题背景
Lexical框架中目前存在两个$selectAll函数的实现:
- 来自
lexical核心包的实现 - 来自
@lexical/selection扩展包的实现
这两个实现虽然功能相似,但在行为细节上存在差异:
- 核心包版本可以直接从根节点创建新的
RangeSelection - 扩展包版本总是扩展现有的
RangeSelection并支持特殊DOM结构
这种重复实现不仅增加了API的复杂性,也增加了包体积,对开发者体验和性能都有一定影响。
技术解决方案
统一函数签名
核心方案是将两个实现统一为一个更通用的函数,其签名调整为:
$selectAll(selection?: RangeSelection | null): RangeSelection
这一调整带来了几个重要改进:
- 函数现在可以同时处理两种情况:
- 扩展现有选区(原扩展包行为)
- 创建/更新并设置新选区(原核心包行为)
- 增加了返回值,方便开发者直接获取选区引用
- 保持了向后兼容性
实现细节
在具体实现上,需要考虑以下技术点:
-
选区处理逻辑:
- 当传入null或undefined时,创建新的选区
- 当传入现有选区时,扩展该选区
- 正确处理特殊DOM结构边界
-
性能优化:
- 避免不必要的选区创建
- 优化DOM遍历效率
-
错误处理:
- 处理无效选区情况
- 确保在只读模式下行为正确
包结构调整
重构后的包结构将:
- 保留核心包中的实现
- 移除扩展包中的冗余实现
- 在扩展包中通过重新导出和标记弃用的方式保持兼容
开发者收益
这一改进为Lexical开发者带来多项好处:
- 简化API:不再需要根据场景选择不同包的实现
- 增强功能:统一的实现支持更多使用场景
- 性能提升:减少包体积,提高执行效率
- 开发体验:通过返回值简化常见模式代码
实现建议
对于想要贡献这一改进的开发者,建议遵循以下步骤:
- 修改核心包实现,确保新签名支持所有用例
- 更新相关类型定义和文档
- 添加充分的单元测试覆盖
- 处理扩展包的重新导出和弃用标记
- 验证所有现有用例仍然工作正常
这一改进体现了Lexical框架持续优化开发者体验和代码质量的努力,也是开源社区协作解决实际问题的典型案例。通过这样的优化,Lexical作为现代富文本编辑器框架的易用性和可维护性将得到进一步提升。
登录后查看全文
热门项目推荐
相关项目推荐
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 StartedRust0194
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0121
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook06
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
766
4.99 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.94 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
686
1.34 K
Ascend Extension for PyTorch
Python
721
888
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++
1.08 K
1.1 K
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
458
445
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.01 K
262
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
253
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1 K
617