Fortune-Sheet 项目中公式解析器升级引发的构建问题分析
问题背景
在Fortune-Sheet项目最近的开发中,团队对公式解析器(formula-parser)进行了升级。这一变更在合并后导致了项目的构建过程(yarn build)失败。构建系统报出了一个导入错误,尽管实际上被导入的属性确实存在于导出模块中。
问题表现
构建失败的具体表现为:
- 在CI/CD流水线中,构建作业(8967287069)执行失败
- 错误类型为导入错误(import error)
- 表面现象是系统认为某个属性未被导出,但实际上该属性确实存在于导出模块中
问题根源
经过开发团队分析,问题主要源于以下几个方面:
-
构建顺序问题:项目中的各个模块(formula-parser、core、react)之间存在依赖关系,但构建顺序没有明确规划,导致依赖关系混乱。
-
手动修改残留:在公式解析器的grammar-parser.js文件中,存在一些手动插入的代码片段,这些片段在升级过程中可能与新版本产生了冲突。
-
缓存问题:本地开发环境中可能存在旧的构建缓存,导致开发者无法立即看到修复后的效果。
解决方案
团队采取了以下措施解决该问题:
-
明确构建顺序:调整构建流程,确保先构建formula-parser,然后是core,最后是react模块,形成清晰的依赖链。
-
清理手动代码:移除了grammar-parser.js中一些手动插入的代码片段,特别是与NUMONLY规则相关的条件判断逻辑。
-
完整重建流程:在应用修复后,需要先执行yarn命令重新构建formula-parser模块,然后再执行整体构建。
技术细节
在grammar-parser.js文件中,团队移除了以下关键代码段:
const stackLen = stackCache.length
if (rules[i] === 8 && match[0].match(NUMONLY) && !(match.input.slice(match[0].length)[0] === ":" || (stackLen > 3 && stackCache[stackLen - 4] === 25 && stackCache[stackLen - 2] === 27))) {
match = false;
continue;
}
这段代码原本用于处理特定条件下的数字匹配逻辑,但在新版本中可能已经不再需要,或者其功能已被其他方式实现。
经验总结
-
模块化项目的构建顺序至关重要,特别是当模块间存在依赖关系时,必须确保依赖模块先于使用模块构建。
-
手动修改需谨慎:对于自动生成的代码文件(如语法解析器),手动修改可能会在升级时带来兼容性问题,应当尽量通过配置或扩展点来实现定制需求。
-
构建环境清理:在解决构建问题时,完整的清理和重建往往是必要的,可以避免缓存带来的干扰。
-
持续集成验证:CI系统的及时反馈帮助团队快速发现了这一问题,体现了自动化测试和构建流程的价值。
通过这次事件,Fortune-Sheet项目团队进一步完善了构建流程和模块管理规范,为未来的开发和维护工作打下了更坚实的基础。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









