Vditor编辑器批量删除选中元素的实现方案
2025-05-25 14:59:38作者:郦嵘贵Just
在使用Vditor编辑器进行富文本编辑时,开发者可能会遇到需要批量操作选中元素的需求。本文将以批量删除图片为例,详细介绍在wysiwyg模式下实现这一功能的技术方案。
问题背景
在Vditor的wysiwyg模式下,当开发者需要批量处理文档中的图片元素时,常规的DOM操作会遇到一些挑战。主要问题在于:
- Vditor实例提供的deleteValue方法每次调用后都会触发重新渲染
- 直接操作DOM后,编辑器状态可能不同步
- 批量操作时元素引用会失效
技术实现方案
方案一:组合DOM操作与编辑器API
通过分析Vditor源码可以发现,deleteValue方法底层实际上是调用了document.execCommand('delete')命令。基于这一发现,我们可以采用混合操作的方式:
- 首先通过querySelectorAll获取所有目标img元素
- 对于前n-1个元素,直接使用selection.deleteFromDocument()删除
- 对最后一个元素使用vditor.deleteValue()方法删除
这种组合方案利用了原生DOM操作的高效性,同时通过最后一个操作触发编辑器的重新渲染,确保编辑器状态同步。
方案二:完整DOM操作后重置内容
另一种更通用的方案是:
- 获取编辑器当前内容的DOM表示
- 在DOM中执行所有需要的修改(删除、更新等)
- 使用vditor.setValue()方法将修改后的DOM重新设置回编辑器
这种方法虽然会触发完整的重新渲染,但对于复杂的批量操作更为可靠。
实现注意事项
- 性能考虑:对于大量元素的操作,方案二可能更优,因为减少了中间渲染次数
- 选区保持:操作后可能需要手动恢复选区位置
- 撤销堆栈:批量操作可能会影响编辑器的撤销/重做功能
- 事件监听:注意编辑器可能对DOM变化有监听,避免冲突
最佳实践建议
对于图片批量删除这种典型场景,推荐以下实现步骤:
// 获取所有目标图片元素
const images = document.querySelectorAll('img.to-delete');
if (images.length === 0) return;
// 保存当前选区
const selection = vditor.wysiwyg.getSelection();
// 执行批量删除
images.forEach((img, index) => {
if (index < images.length - 1) {
// 前n-1个直接DOM删除
img.parentNode.removeChild(img);
} else {
// 最后一个使用编辑器API删除
vditor.wysiwyg.selectElement(img);
vditor.deleteValue();
}
});
// 恢复选区
vditor.wysiwyg.setSelection(selection);
总结
Vditor作为一款功能强大的编辑器,在批量操作方面需要开发者理解其内部渲染机制。通过合理组合原生DOM操作和编辑器API,可以实现高效的批量处理功能。开发者应根据具体场景选择最适合的方案,并注意保持编辑器状态的同步。
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 StartedRust0447
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown00
jiuwenswarmJiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0766
Hy3Hy3 是由腾讯混元团队研发的快慢思考融合的混合专家模型,总参数量 295B,激活参数 21B,MTP 层参数 3.8B。4 月底发布 Hy3 Preview 后,我们在 50 多个业务中获得了广泛的反馈,修复了各种体验问题,进一步提升了后训练的质量和规模。今天,我们发布 Hy3。它展现出显著强于同尺寸并比肩旗舰(参数规模往往是 Hy3 的 2~5 倍)开源模型的智能水平,显著提升了在各类产品和生产力任务中的实用价值。Python00
AscendNPU-IRAscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优C++0312
DragonOSDragonOS is an operating system developed from scratch using Rust, with Linux compatibility. It is designed for **Serverless** scenarios. 使用Rust从0自研内核,具有Linux兼容性的操作系统,面向云计算Serverless场景而设计。Rust00
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Markdown
827
5.48 K
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
494
515
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++
783
1.57 K
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
800
1.14 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++
970
2.28 K
deepin linux kernel
C
32
16
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
480
312
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.01 K
766
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。
Markdown
1.26 K
808
CANN 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 Notebook
647
284