Canvas-Editor 删除线垂直居中问题分析与解决方案
问题背景
在 Canvas-Editor 项目中,用户报告了一个关于删除线显示位置的问题:删除线在文本中不垂直居中,而是偏上显示。这个问题影响了文档的视觉呈现效果,需要从技术层面进行修复。
技术分析
删除线在文本编辑器中的实现涉及多个技术要点:
-
基线对齐问题:文本渲染时,删除线位置通常基于文本基线进行计算。如果简单地使用文本高度的一半作为删除线位置,可能会因为不同字体的度量标准不同而导致位置偏差。
-
字体度量特性:不同字体家族(如衬线体、无衬线体)和不同字号会影响文本的实际渲染高度,进而影响删除线的准确定位。
-
特殊文本处理:上下标文本需要特殊的删除线位置处理,因为这些文本的基线位置与常规文本不同。
解决方案
项目维护者通过以下技术手段解决了这个问题:
-
基准文本测量法:使用"日"字作为基准文本测量删除线位置。选择"日"字是因为其结构简单且具有代表性,能够准确反映中文文本的垂直居中位置。
-
特殊文本处理:对上下标文本实施特殊的删除线位置计算逻辑,确保这些特殊格式文本的删除线也能正确显示。
-
缩放适应性:考虑到用户可能调整页面缩放比例,实现了删除线宽度随缩放比例动态调整的功能。
-
格式限制:限制只有文本类元素才能添加删除线格式,避免在不支持的元素上出现显示异常。
实现细节
-
位置计算优化:通过精确测量文本的垂直度量信息,包括 ascent(上升高度)、descent(下降高度)和基线位置,计算出真正的垂直中点。
-
渲染管线调整:修改了文本渲染管线,确保删除线的绘制位置基于精确计算而非简单估算。
-
格式兼容性:确保删除线格式在复制粘贴操作中能够正确保留和重现。
技术价值
这个问题的解决不仅修复了视觉显示问题,还提升了编辑器的整体质量:
-
视觉一致性:确保删除线在各种字体和字号下都能正确居中显示。
-
用户体验:提升了用户对文档格式的信任度和满意度。
-
代码健壮性:为后续处理类似文本装饰功能(如下划线等)提供了参考实现。
总结
Canvas-Editor 对删除线显示问题的修复展示了开源项目对细节的关注和快速响应能力。通过精确的文本度量计算和特殊场景处理,实现了真正垂直居中的删除线效果,提升了整个编辑器的专业性和可用性。这种对细节的关注是打造高质量文本编辑器的关键所在。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-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。00