解决lint-staged中tsc命令无法正确识别tsconfig的问题
问题背景
在使用lint-staged进行代码提交前的类型检查时,许多开发者会遇到一个奇怪的现象:当直接在lint-staged配置中使用tsc
命令时,TypeScript编译器会错误地将每个待检查文件路径后追加/tsconfig.json
,导致无法正确找到项目的TypeScript配置文件。
问题现象
开发者通常会在package.json中这样配置lint-staged:
"lint-staged": {
"*.{ts,tsx}": [
"npx tsc -b --verbose"
]
}
运行后会发现tsc报错,提示类似packages/components/tabs/src/TabsGroup.stories.tsx/tsconfig.json
这样的路径找不到。这是因为lint-staged默认会将匹配到的文件列表附加到命令后面。
问题原因
lint-staged的设计初衷是对暂存区的文件逐个进行处理,因此默认情况下它会将匹配到的文件列表作为参数传递给配置的命令。这对于大多数linter工具(如ESLint、Stylelint)是合理的,因为这些工具通常支持接收文件列表作为参数。
但对于TypeScript编译器(tsc)来说,这种行为会导致问题,因为:
- tsc期望的是项目级别的类型检查,而不是单个文件
- tsc会自动在文件路径后追加tsconfig.json查找配置
- 项目通常有复杂的tsconfig继承关系
解决方案
方案一:使用函数式配置
lint-staged支持函数式配置,可以避免自动附加文件列表:
// lint-staged.config.js
module.exports = {
'*.{ts,tsx}': () => [
'tsc --noEmit',
'yarn run prettier:fix',
'yarn run lint:fix'
]
}
这种方式下,lint-staged不会自动附加文件列表,tsc会按照预期工作,使用项目根目录的tsconfig.json。
方案二:使用shell脚本包装
如果由于某些原因必须使用package.json配置,可以创建一个shell脚本来包装tsc命令:
#!/bin/sh
tsc --noEmit
然后在package.json中引用:
"lint-staged": {
"*.{ts,tsx}": ["./scripts/typecheck.sh"]
}
最佳实践建议
-
优先使用函数式配置:这是最简洁的解决方案,推荐在新的项目中使用
-
考虑项目结构:对于monorepo项目,可能需要更复杂的配置来确保tsc能找到正确的配置文件
-
结合其他工具:通常tsc类型检查会与其他工具(prettier、eslint等)一起使用,可以统一配置
-
注意性能:全量类型检查可能较慢,对于大型项目可以考虑增量编译或其他优化手段
总结
理解lint-staged的工作机制对于正确配置至关重要。通过使用函数式配置,我们可以避免tsc命令被错误地传递文件列表参数,确保TypeScript类型检查能够正常工作。这一解决方案不仅适用于简单的项目,也能很好地支持复杂的monorepo架构。
GLM-4.6
GLM-4.6在GLM-4.5基础上全面升级:200K超长上下文窗口支持复杂任务,代码性能大幅提升,前端页面生成更优。推理能力增强且支持工具调用,智能体表现更出色,写作风格更贴合人类偏好。八项公开基准测试显示其全面超越GLM-4.5,比肩DeepSeek-V3.1-Terminus等国内外领先模型。【此简介由AI生成】Jinja00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
openPangu-Ultra-MoE-718B-V1.1
昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00ops-transformer
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++0118AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile011
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
最新内容推荐
项目优选









