TypeDoc文档工具中的@since标签支持解析
2025-05-29 15:41:01作者:胡易黎Nicole
TypeDoc作为TypeScript项目的文档生成工具,在0.26版本中引入了一项重要的标签解析机制改进。这项改进使得开发者能够更清晰地了解哪些JSDoc标签被TypeDoc识别和处理。
标签解析机制的演进
在TypeDoc 0.26版本之前,工具会默默忽略那些它不认识的JSDoc标签。这种处理方式虽然不会导致错误,但开发者无法得知哪些标签实际上没有被处理。新版本中,TypeDoc会明确警告那些未在配置中定义的块级标签,这为开发者提供了更透明的反馈。
@since标签的特殊性
@since是一个常见的JSDoc标签,用于标注某个API或功能是从哪个版本开始引入的。尽管TypeDoc能够通过上下文正确解析并渲染这个标签,但在0.26版本中,它默认不在TypeDoc的认可标签列表中,因此会触发警告信息。
解决方案与配置
对于希望继续使用@since标签的开发者,有两种主要解决方案:
-
通过配置选项添加:可以在TypeDoc配置文件中使用
blockTags选项显式添加@since标签。需要注意的是,这个选项会完全覆盖默认的标签集合,因此需要列出所有需要支持的标签。 -
使用tsdoc.json定义:更推荐的方式是通过创建tsdoc.json配置文件来定义额外的标签,这种方式不会影响默认的标签集合。
其他标签的处理策略
TypeDoc对不同类型的未识别标签采取了不同的处理策略:
- 对于纯粹提供信息且广泛使用的标签(如
@author和@since),TypeDoc团队愿意根据用户需求将其加入默认列表。 - 对于那些在JSDoc中有特定行为但TypeDoc不支持的标签(如
@file),则不会加入默认支持,开发者需要使用TypeDoc的等效标签替代。
最佳实践建议
- 定期检查TypeDoc输出的警告信息,了解哪些标签未被识别
- 对于常用的信息性标签,考虑通过配置明确声明
- 了解TypeDoc特有的文档标签(如
@packageDocumentation),在适当场景下使用它们替代JSDoc标签 - 当升级TypeDoc版本时,注意检查标签解析行为的变化
这项改进使得TypeDoc的文档生成过程更加透明和可控,帮助开发者创建更准确和完整的项目文档。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (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
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137