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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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