Milkdown编辑器中的上下文注入问题分析与解决方案
2025-05-25 09:55:59作者:何将鹤
问题背景
在使用Milkdown编辑器时,开发者遇到了一个典型的上下文注入问题。当尝试在编辑器实例被多次挂载和卸载的场景下,调用ctx.get(schemaCtx)时系统报错提示"Context 'schema' not found"。这个问题特别出现在React组件中多次切换编辑器实例的情况下。
问题分析
该问题的核心在于Milkdown的上下文管理机制。当编辑器实例被销毁后,某些上下文资源没有被正确清理,导致后续实例运行时出现冲突。具体表现为:
- 第一次加载编辑器工作正常
- 卸载编辑器后再次加载时出现上下文缺失错误
- 错误指向schema上下文无法获取
深入分析发现,问题源于自定义的SelectionManager插件保留了旧编辑器实例的监听器引用,这些监听器仍尝试访问已被销毁的上下文资源。
解决方案
针对这个问题,我们采取了以下解决方案:
- 完善资源清理机制:在SelectionManager类中添加destroy方法,用于清理所有监听器
public destroy() {
this.selectionListeners = [];
}
- 在编辑器初始化时执行清理:在编辑器配置阶段主动调用清理方法
.config((ctx) => {
const selectionListener = ctx.get(selectionCtx.key);
selectionListener.destroy();
// 其他配置...
})
技术原理
Milkdown基于ProseMirror构建,采用上下文注入模式管理编辑器状态和插件。当编辑器实例被销毁时,必须确保:
- 所有插件资源被正确释放
- 不再保留对旧编辑器上下文的引用
- 新实例能够获得干净的上下文环境
在React组件中,由于组件可能被多次挂载卸载,这种清理工作尤为重要。SelectionManager保留的监听器会持续尝试访问已销毁的上下文,导致运行时错误。
最佳实践建议
基于此案例,我们总结出以下Milkdown开发最佳实践:
- 始终实现资源清理:自定义插件必须提供清理方法
- 注意React生命周期:在组件卸载时确保编辑器资源释放
- 避免跨实例引用:不要在不同编辑器实例间共享状态
- 合理使用上下文:只在确保上下文存在时访问它
总结
Milkdown作为一款优秀的编辑器框架,其上下文机制提供了强大的扩展能力,但也要求开发者遵循正确的资源管理规范。通过本案例的分析和解决,我们深入理解了Milkdown的上下文管理机制,并掌握了在多实例场景下的正确使用方法。这对于构建复杂、动态的编辑器应用具有重要意义。
登录后查看全文
热门项目推荐
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust012
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- 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
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
项目优选
收起
暂无描述
Dockerfile
677
4.32 K
deepin linux kernel
C
28
16
Ascend Extension for PyTorch
Python
517
629
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++
947
887
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
398
303
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.56 K
909
暂无简介
Dart
921
228
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!
C
1.07 K
559
昇腾LLM分布式训练框架
Python
143
169
Oohos_react_native
React Native鸿蒙化仓库
C++
335
381