SuperEditor中块节点删除后光标位置处理的Bug分析
问题背景
在SuperEditor富文本编辑器的开发过程中,发现了一个关于块节点删除后光标位置处理的逻辑缺陷。当用户在块节点(如HorizontalRuleNode)上使用折叠选择(collapsed selection)时,系统错误地返回了TextPosition类型的位置信息,而实际上应该返回UpstreamDownstreamNodePosition类型。
问题复现
通过一个简单的测试用例可以复现这个问题:
test("getDocumentPositionAfterExpandedDeletion on block node", () {
final node = HorizontalRuleNode(id: "1");
final document = MutableDocument(nodes: [node]);
final selection = DocumentSelection.collapsed(
position: DocumentPosition(
nodeId: node.id,
nodePosition: node.endPosition,
),
);
final position = CommonEditorOperations.getDocumentPositionAfterExpandedDeletion(
document: document,
selection: selection,
);
expect(position is UpstreamDownstreamNodePosition, isTrue);
});
在这个测试中,我们创建了一个水平线节点(HorizontalRuleNode),并在其末尾设置了一个折叠选择。理论上,当尝试删除这个选择时,系统应该返回一个UpstreamDownstreamNodePosition,但实际上却返回了TextPosition。
技术分析
当前实现的问题
当前CommonEditorOperations.getDocumentPositionAfterExpandedDeletion方法的实现存在以下问题:
-
类型判断不准确:对于块节点的处理,方法错误地假设所有块节点在被删除时都会被转换为ParagraphNode,因此返回了TextNodePosition。
-
折叠选择处理不当:对于折叠选择(即光标位置而非选择范围),方法没有做特殊处理,而是直接按照扩展选择的方式处理,导致返回了错误的位置类型。
正确的处理逻辑
根据富文本编辑器的常规行为,应该遵循以下原则:
-
折叠选择处理:当选择是折叠的(即只是一个光标位置),不应该执行任何删除操作,因此应该返回原始选择位置或者null表示不需要改变选择。
-
块节点位置类型:对于块节点,正确的位置类型应该是UpstreamDownstreamNodePosition,因为它需要明确表示是在节点的上游还是下游。
解决方案
经过讨论,开发团队确定了两种可能的解决方案:
-
返回null方案:修改方法使其在遇到折叠选择或不可删除节点时返回null,表示不需要改变当前选择。这种方案保持了与不可删除节点处理的一致性。
-
返回原选择方案:修改方法使其在遇到折叠选择时返回原始选择位置。这种方案更直观,但需要同时修改不可删除节点的处理逻辑以保持一致。
最终团队倾向于第一种方案,因为它更符合方法的设计初衷 - 只在确实发生删除操作时返回新位置,否则返回null表示不需要改变。
影响范围
这个修复会影响以下场景:
- 用户在块节点上使用删除键时的光标行为
- 程序化删除操作后的光标定位
- 与块节点相关的所有删除操作后的位置计算
总结
这个Bug揭示了SuperEditor在处理块节点删除操作时的一个逻辑缺陷。通过分析,我们明确了正确的处理方式应该是:对于折叠选择,不执行删除操作并返回null;对于块节点,返回正确的UpstreamDownstreamNodePosition类型。这个修复将提高编辑器在处理块节点时的行为一致性和用户体验。
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