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!
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
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
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!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00