RoosterJs 9.29.0版本发布:编辑器核心功能优化与问题修复
RoosterJs项目简介
RoosterJs是微软开源的一款基于TypeScript开发的富文本编辑器框架,它提供了强大的内容编辑能力和灵活的插件架构。作为一款现代化的编辑器解决方案,RoosterJs特别注重性能优化、跨浏览器兼容性和可访问性支持,被广泛应用于各类Web应用中需要富文本编辑的场景。
9.29.0版本核心更新内容
内容模型查询功能增强
本次更新对内容模型查询功能进行了重要改进,现在可以查询实体(entities)内部的块级元素。这一增强使得开发者能够更精确地获取编辑器中的结构化内容,特别是在处理复杂内容场景时,如嵌入式组件或自定义元素,查询结果将更加全面和准确。
列表缩进行为优化
针对列表项的缩进处理进行了重构和优化,主要解决了以下两个问题:
- 修复了在开始列表时缩进丢失的问题,确保列表的层级结构能够正确保持
- 移除了Tab键的缩进功能,使编辑器行为更符合现代编辑器的常规操作习惯
这项改进使得列表编辑体验更加流畅,减少了意外格式变化带来的困扰。
粘贴处理的多项改进
本次版本对粘贴功能进行了多项重要修复:
- 优化了Word文档粘贴处理,解决了特定情况下从Word桌面版粘贴内容时可能出现的问题
- 特别针对Safari浏览器下的Word粘贴进行了兼容性修复
- 改进了按钮元素的粘贴处理,现在只会粘贴按钮的文本内容而非整个按钮元素
这些改进显著提升了从外部源粘贴内容时的格式保持能力和稳定性。
表格编辑功能增强
表格相关功能是本版本的另一重点改进领域:
- 增加了对表格行高度的处理支持,完善了表格粘贴功能
- 修复了表格选择时的可访问性问题,提升了无障碍使用体验
- 增强了对逻辑根节点(Logical Root)场景下表格编辑的支持
这些改进使得表格编辑功能更加完善,特别是在复杂文档结构中的表现更加稳定。
实体边界处理优化
修复了在实体元素旁边按下Enter键时的行为问题。现在编辑器能够正确处理实体边界处的换行操作,避免了可能的内容结构破坏或意外行为。
样式处理改进
针对字体样式处理进行了优化,现在字体族名称会自动添加引号包裹,确保浏览器能够正确识别和加载指定的字体。这一改进解决了在某些情况下字体设置可能失效的问题。
事件处理优化
对选择插件(SelectionPlugin)中的鼠标移动事件处理进行了优化,防止了可能的事件重复绑定问题,提升了性能表现。
技术实现亮点
从技术实现角度看,本次更新体现了RoosterJs团队对编辑器核心架构的持续优化:
-
内容模型抽象:通过增强实体内部的块级元素查询能力,进一步完善了内容模型的抽象层次,为更复杂的编辑场景提供了基础支持。
-
行为一致性:如Tab键缩进行为的调整,体现了对编辑器操作行为标准化的追求,使不同来源的用户能够获得一致的编辑体验。
-
兼容性矩阵扩展:针对Safari等特定浏览器的优化处理,展示了项目对跨浏览器兼容性的持续投入。
-
可访问性优先:表格选择等可访问性问题的修复,反映了项目对无障碍使用的重视。
升级建议
对于正在使用RoosterJs的项目,建议评估以下升级点:
-
如果项目中大量使用列表功能,特别是多级列表,本次的缩进行为改进将显著提升用户体验。
-
对于需要从Word粘贴内容的场景,升级后将获得更稳定的粘贴效果。
-
使用表格编辑功能的项目将受益于增强的表格处理能力。
-
涉及实体元素操作的项目应注意实体边界处换行行为的变化。
升级前建议进行充分的测试,特别是关注与自定义插件或扩展功能的兼容性。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00