SignaturePad 在 Chrome 136 版本中的触控事件问题解析
在 Chrome 浏览器升级到 136 版本后,许多开发者发现基于 SignaturePad 实现的签名功能出现了异常。当用户在移动设备上尝试签名时,页面会意外滚动而不是正常绘制签名轨迹。这个问题源于 Chrome 浏览器对触控事件处理机制的调整,需要我们深入理解现代浏览器的事件处理模型才能有效解决。
问题本质分析
SignaturePad 是一个基于 Canvas 的签名库,它通过监听 touchstart、touchmove 和 touchend 等触控事件来实现手写签名功能。在 Chrome 136 版本之前,即使没有显式声明,浏览器默认会允许这些事件阻止默认行为(如页面滚动)。然而,新版本的 Chrome 为了优化滚动性能,默认将某些事件标记为"passive"(被动),这意味着在这些事件中调用 preventDefault() 将不再有效。
技术背景
现代浏览器引入了被动事件监听器的概念,这是为了提升页面的滚动性能。当事件监听器被标记为 passive: true 时,浏览器会假设这个监听器不会调用 preventDefault(),因此可以立即执行滚动而不需要等待 JavaScript 执行完毕。从 Chrome 136 开始,某些事件的默认行为发生了变化,导致 SignaturePad 原有的阻止滚动逻辑失效。
解决方案
要解决这个问题,我们需要在添加触控事件监听器时显式指定 passive: false。这样浏览器就知道我们可能会调用 preventDefault(),从而保留阻止默认行为的能力。具体实现方式是在添加 touchmove 和 touchend 事件监听器时传递正确的选项:
addEventListener('touchmove', this._handleTouchMove, { passive: false });
addEventListener('touchend', this._handleTouchEnd, { passive: false });
兼容性考虑
虽然这个解决方案针对的是 Chrome 136 及更高版本,但它具有良好的向后兼容性。旧版浏览器会忽略这个选项,继续保持原有行为。这种处理方式既解决了新版本的问题,又不会影响旧版本的正常运行。
最佳实践建议
- 对于所有需要阻止默认行为的事件监听器,都应该显式声明 passive: false
- 在更新事件处理逻辑后,应该进行全面的跨浏览器测试
- 考虑在文档中注明最低支持的浏览器版本要求
- 对于性能敏感的场景,可以针对不同事件类型采用不同的 passive 设置
总结
Chrome 136 版本对事件处理模型的调整提醒我们,作为前端开发者需要密切关注浏览器行为的变化。SignaturePad 的这个问题很好地展示了被动事件监听器的重要性,也为我们提供了一个学习浏览器事件机制的实际案例。通过正确配置事件监听器选项,我们可以确保签名功能在各种浏览器版本中都能正常工作。
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 StartedRust0194
cann-learning-hubCANN 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 Notebook0121
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook06