BlockNote项目中区分用户输入与自动更新的技术实践
2025-05-28 00:07:21作者:乔或婵
BlockNote
A "Notion-style" block-based extensible text editor built on top of Prosemirror and Tiptap.
在富文本编辑器开发过程中,处理文档更新来源的区分是一个常见的技术挑战。本文将以BlockNote项目为例,深入探讨如何优雅地区分用户输入和程序自动更新,避免不必要的渲染循环和数据同步问题。
核心问题场景
当开发者使用BlockNote编辑器时,可能会遇到这样的典型场景:
- 从服务器获取数据后,通过
editor.replaceBlocks方法更新编辑器内容 - 这个自动更新操作会触发
onChange事件 - 而
onChange监听器又用于将用户输入实时同步到数据库 - 最终导致文档被多次渲染的循环问题
技术解决方案
方案一:预加载数据模式
推荐的最佳实践是在编辑器初始化前完成数据加载:
// 推荐做法:先加载数据再初始化编辑器
const fetchDataAndInitEditor = async () => {
const loading = true;
const initialData = await fetchDataFromServer();
const editor = useCreateBlockNote({ initialContent: initialData });
loading = false;
return (
{loading ? <LoadingSpinner /> : <BlockNoteView editor={editor} />}
);
}
这种模式的优势在于:
- 避免了编辑器初始化后的内容替换操作
- 消除了自动更新触发onChange的可能性
- 提供了更好的用户体验(明确的加载状态)
方案二:更新来源标记法
如果必须在运行时更新内容,可以采用标记法区分来源:
let isProgrammaticUpdate = false;
const handleEditorUpdate = () => {
if (isProgrammaticUpdate) {
isProgrammaticUpdate = false;
return;
}
// 处理真正的用户输入
};
const updateContent = (newBlocks) => {
isProgrammaticUpdate = true;
editor.replaceBlocks(newBlocks);
};
方案三:版本控制法
对于复杂场景,可以引入版本控制机制:
let documentVersion = 0;
let lastHandledVersion = 0;
editor.onChange(() => {
if (documentVersion !== lastHandledVersion) {
lastHandledVersion = documentVersion;
return;
}
// 处理用户输入
documentVersion++;
});
const programmaticUpdate = (content) => {
documentVersion++;
editor.replaceBlocks(content);
};
技术原理深度解析
BlockNote的更新机制基于ProseMirror,其核心特点是:
- 所有文档变更都会生成事务(Transaction)
- 事务会触发编辑器状态更新
- 状态更新会传播到视图层
- 视图更新又会触发各种钩子(包括onChange)
理解这个流程后,我们就能明白为何自动更新也会触发onChange事件。解决方案的本质都是在这条传播链上添加识别标记。
性能优化建议
- 批量更新:对于需要频繁自动更新的场景,使用
editor.freeze()和editor.unfreeze()临时禁用事件 - 节流处理:对onChange处理器添加适当的节流逻辑
- 差异比对:在更新前比较新旧内容,避免不必要的DOM操作
总结
在BlockNote编辑器中正确处理自动更新与用户输入的关键在于:
- 优先考虑初始化时加载完整数据
- 必要时使用明确的更新来源标记
- 理解底层编辑器的事件传播机制
- 根据实际场景选择合适的优化策略
这些实践不仅适用于BlockNote,对于其他富文本编辑器开发也具有参考价值。正确的更新处理能够显著提升应用性能和用户体验。
BlockNote
A "Notion-style" block-based extensible text editor built on top of Prosemirror and Tiptap.
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.83 K
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++
892
667
Ascend Extension for PyTorch
Python
376
446
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
349
200
昇腾LLM分布式训练框架
Python
116
145
🎉 (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
1.37 K
778
暂无简介
Dart
798
197
React Native鸿蒙化仓库
JavaScript
308
359
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
1.13 K
271