使用sourcemapped-stacktrace:优雅地处理浏览器中的源映射栈轨迹
sourcemapped-stacktrace 是一个简洁的JavaScript模块,专为在浏览器环境中应用源映射到JS堆栈跟踪而设计。如果你在使用CoffeeScript、Traceur或Babel等编译到JavaScript的工具时遇到困难,因为它们的错误堆栈不易理解,那么这个库将会是你的救星。
解决的问题
当浏览器处理错误时,它可以在控制台中显示应用了源映射的堆栈跟踪,但不幸的是,这种方法不适用于Error.stack()。这意味着当你尝试直接查看或记录堆栈信息时,它们会显示原始的、未映射的代码位置。sourcemapped-stacktrace正是为了填补这一空白而诞生的。
演示与安装
你可以访问在线演示来体验sourcemapped-stacktrace的效果。要安装此库,只需一行命令:
npm install sourcemapped-stacktrace
NPM包包含了可以直接在页面中使用的dist/sourcemapped-stacktrace.js文件。
设置与API
通过AMD模块加载器或传统script标签引入sourcemapped-stacktrace.js。作为AMD模块,它暴露了mapStackTrace方法。如果未找到AMD加载器,该函数将被设置在全局对象window.sourceMappedStackTrace.mapStackTrace上。
使用示例
try {
// 引发错误
bork();
} catch (e) {
// 应用源映射
window.mapStackTrace(e.stack, function(mappedStack) {
// 处理映射后的堆栈信息
console.log(mappedStack.join("\n"));
}, {
filter: function (line) {
// 只处理包含`spec.js`的来源
return /(spec\.js)/.test(line);
}
});
}
技术解释
该项目使用Mozilla的source-map库,通过获取和解析错误堆栈中引用的所有脚本,并检查是否存在源映射声明,然后从服务器加载这些映射。整个过程完全模拟了现代浏览器对于源映射的支持。
支持的环境
目前,sourcemapped-stacktrace支持以下浏览器:
- Google Chrome
- Mozilla Firefox
- Apple Safari
- Internet Explorer 11及以上
- Microsoft Edge
已知问题
- 不支持除Chrome和Firefox之外的浏览器的异常格式
- 仅支持内联的
//# sourceMappingURL=声明,尚不支持SourceMap HTTP头 - 部分源映射生成器(如CoffeeScript、Traceur、Babel)未提供完整的
names列表,导致转换后的代码框架中的函数名显示为(unknown)。这些问题可能需要上游库进行改进以提供更好的支持。
总的来说,sourcemapped-stacktrace是一个实用的工具,旨在帮助开发者解决由于编译到JS的源码而导致的复杂调试问题。它的简单API和高效的源映射处理使其成为任何使用现代前端构建工具的开发者的理想选择。赶快试试看,让源映射驱动的错误处理变得更加轻松!
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