Milkdown项目中自定义节点属性的实现方法
2025-05-24 15:18:19作者:殷蕙予
理解Milkdown的节点属性系统
Milkdown作为一款现代化的Markdown编辑器框架,提供了灵活的节点属性定制能力。在实际开发中,我们经常需要为特定节点添加自定义属性,比如为标题节点添加特定的class或id属性。
常见误区与问题分析
许多开发者尝试直接通过修改AST节点数据来添加属性,比如使用unist-util-visit工具遍历并修改heading节点的data.hProperties。然而这种方法往往无法生效,原因在于Milkdown的节点渲染流程中,AST到ProseMirror节点的转换过程会覆盖这些手动修改。
正确实现方式
1. 扩展基础节点Schema
要实现节点属性的自定义,首先需要扩展基础节点Schema。以heading节点为例:
const customHeadingSchema = headingSchema.extendSchema((prev) => {
return ctx => {
const baseSchema = prev(ctx)
return {
...baseSchema,
attrs: {
...baseSchema.attrs,
hProperties: {
default: null,
},
parseMarkdown: {
...baseSchema.parseMarkdown,
runner: (state, node, type) => {
const depth = node.depth as number
const hProperties = node.data?.hProperties || {}
state.openNode(type, {
level: depth,
hProperties: {
...hProperties,
class: 'custom-heading-class',
id: 'custom-heading-id'
}
})
state.next(node.children)
state.closeNode()
}
}
}
}
}
})
2. 配置编辑器实例
在创建编辑器实例时,需要正确配置自定义的Schema:
const editor = Editor.make()
.config((ctx) => {
ctx.set(headingAttr.key, (node) => {
return {
...node.attrs,
hProperties: {
...node.attrs.hProperties,
class: 'additional-class'
}
}
})
})
.use(customHeadingSchema)
关键点解析
-
Schema扩展机制:Milkdown使用Schema来描述文档结构,任何节点属性的修改都需要通过Schema扩展来实现。
-
属性继承:在扩展Schema时,需要正确处理原有属性的继承关系,避免覆盖重要属性。
-
Markdown解析流程:parseMarkdown.runner方法负责将Markdown AST转换为ProseMirror节点,这是注入自定义属性的最佳时机。
-
运行时属性修改:通过headingAttr配置可以在运行时动态修改节点属性,但前提是Schema已经支持这些属性。
实际应用建议
-
对于简单的属性添加,优先考虑使用headingAttr配置。
-
对于复杂的定制需求,建议完整扩展节点Schema。
-
注意属性命名冲突,避免覆盖系统保留属性。
-
考虑属性的序列化问题,确保自定义属性能正确转换为Markdown。
通过理解Milkdown的节点渲染流程和Schema系统,开发者可以灵活地实现各种节点定制需求,打造符合项目特色的编辑器体验。
登录后查看全文
热门项目推荐
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust012
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
热门内容推荐
最新内容推荐
如何用自然语言掌控电脑?UI-TARS-desktop智能助手入门指南离线语音资源全攻略:高效管理与优化指南4步攻克抖音直播回放留存难题:面向内容创作者的全流程技术指南Home Assistant功能扩展实战指南:从问题诊断到价值实现的完整路径开源工具 AzurLaneLive2DExtract:3大核心优势助力碧蓝航线Live2D模型资源提取与二次创作Godot卡牌游戏框架深度探索:从理论架构到实战开发直播内容管理新维度:多场景直播归档方案全攻略OBS Advanced Timer:5个直播控时秘诀让你的直播节奏尽在掌握零基础掌握Home Assistant扩展:Docker加载项实战指南虚拟显示技术重塑数字工作空间:突破物理屏幕限制的多屏效率革命
项目优选
收起
暂无描述
Dockerfile
677
4.32 K
deepin linux kernel
C
28
16
Ascend Extension for PyTorch
Python
517
629
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++
947
887
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
398
303
🎉 (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
1.56 K
909
暂无简介
Dart
921
228
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.07 K
559
昇腾LLM分布式训练框架
Python
143
169
Oohos_react_native
React Native鸿蒙化仓库
C++
335
381