Antares SQL 查询历史记录高亮显示问题分析与解决方案
问题背景
在Antares SQL数据库管理工具中,用户发现历史查询记录模块存在一个显示异常问题。当用户在历史记录中搜索特定查询时,搜索结果中出现了未渲染的HTML标签,而不是预期的视觉高亮效果。这个问题影响了用户体验,使得搜索结果的视觉反馈不够直观。
问题现象
用户在历史记录面板进行搜索时,预期看到的是搜索关键词以特殊样式(主色加粗)高亮显示。然而实际呈现的是未经处理的HTML标签字符串,如<span class="text-primary text-bold">SELECT</span>直接显示在界面上,而非渲染后的视觉效果。
更复杂的是,当SQL语法高亮功能与搜索高亮功能同时作用于同一文本时,两种高亮效果会产生冲突,导致最终的显示效果不符合预期。
技术分析
这个问题源于ModalHistory.vue组件中的双重高亮处理逻辑:
- 搜索关键词高亮:通过
highlightWord函数将匹配的搜索词用HTML span标签包裹,添加特定CSS类 - SQL语法高亮:通过
highlight函数对整个SQL语句进行语法着色
当这两个功能串联使用时(highlight(highlightWord(query.sql))),HTML标签会被当作普通文本处理,而非DOM元素,从而导致标签直接显示。
解决方案
开发团队提供了两种解决思路:
方案一:完全移除搜索高亮功能
直接使用SQL语法高亮,放弃搜索关键词的特殊标记。这种方法简单直接,但牺牲了搜索结果的视觉反馈。
// 修改前
v-html="highlight(highlightWord(query.sql), {html: true})"
// 修改后
v-html="highlight(query.sql, {html: true})"
方案二:调整高亮标记方式
保留搜索高亮功能,但修改标记方式,使用不会与SQL语法高亮冲突的符号:
// 原实现
return string.replace(regexp, '<span class="text-primary text-bold">$1</span>');
// 修改后实现
return string.replace(regexp, '%$1%');
这种方案使用百分号包裹搜索词,既保持了视觉区分度,又避免了HTML标签与语法高亮的冲突。修改后,搜索词会显示为绿色百分号包裹的文本,如%SELECT%。
实现选择与考量
在实际修复中,开发团队需要权衡以下因素:
- 用户体验:搜索高亮功能对于快速定位结果非常重要,完全移除可能影响使用效率
- 技术实现复杂度:双重高亮处理需要确保两种高亮机制不会相互干扰
- 视觉一致性:修改后的高亮样式需要与整体UI风格协调
最终,Antares SQL选择了方案二作为修复方案,因为它:
- 保留了搜索高亮的实用功能
- 解决了HTML标签直接显示的问题
- 通过简单的符号标记实现了足够的视觉区分度
- 避免了与SQL语法高亮的深层冲突
总结
这个案例展示了前端开发中常见的富文本处理挑战,特别是当多个文本处理功能需要叠加时。Antares SQL通过调整高亮标记策略而非完全移除功能,既解决了问题又保持了良好的用户体验,体现了对细节的关注和务实的技术决策。
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