Sass/dart-sass 项目中关于 @extend 跨模块使用的技术解析
在 Sass 项目中,开发者经常会遇到需要跨模块继承样式的情况。本文将通过一个典型场景,深入分析 Sass 中 @extend 指令的正确使用方法,特别是涉及模块化开发时的注意事项。
问题背景
当我们在 Sass 项目中采用模块化开发时,可能会尝试从一个模块中继承另一个模块定义的样式类。例如:
模块 a.scss 中定义了一个基础样式类:
.abc {
color: red;
font-size: 16px;
}
然后在模块 b.scss 中,开发者尝试使用 @extend 继承这个类:
@use './a.scss' as var;
.efg {
@extend var.abc;
background: blue;
}
这种写法看似合理,但实际上会触发 Sass 的报错,提示"compound selectors may no longer be extended"。
技术原理分析
这个问题的根源在于 Sass 模块系统中命名空间的工作机制。在 Sass 中:
-
命名空间规则:@use 规则引入的模块确实会创建一个命名空间,但这个命名空间仅适用于变量(variables)、混合(mixins)和函数(functions)这三类成员。
-
选择器的特殊性:普通 CSS 选择器(如类选择器、ID 选择器等)不会被包含在模块的命名空间中。也就是说,选择器始终是全局可访问的,无论它们定义在哪个模块中。
-
@extend 的工作方式:@extend 指令直接操作 CSS 选择器,而不是通过模块系统。因此,它不需要也不应该使用模块前缀来引用选择器。
正确解决方案
基于上述原理,正确的写法应该是直接引用选择器名称,而不需要添加模块前缀:
@use './a.scss' as var;
.efg {
@extend .abc; // 直接使用选择器名称
background: blue;
}
深入理解
-
模块化与全局作用域:虽然 Sass 支持模块化开发,但 CSS 选择器本质上仍然是全局的。这与 JavaScript 的模块系统有显著不同,开发者需要注意这种差异。
-
设计哲学:Sass 的这种设计是有意为之的,因为 CSS 选择器本身在浏览器环境中就是全局的,Sass 保持这种一致性有助于开发者理解最终生成的 CSS 结构。
-
最佳实践:对于需要模块化的样式,建议使用 Sass 的混合(mixins)或占位符选择器(placeholder selectors)来实现,这些特性可以更好地与模块系统配合工作。
实际应用建议
-
对于简单的样式继承,直接使用 @extend 加上选择器名称即可。
-
对于复杂的、可配置的样式复用,考虑使用 @mixin 和 @include 组合,这样可以获得更好的模块化和参数化能力。
-
如果一组样式只打算被 @extend 使用而不会直接输出到 CSS 中,可以使用占位符选择器(如 %abc),这样可以使代码意图更加清晰。
通过理解这些原理和最佳实践,开发者可以更有效地利用 Sass 的模块化特性,同时避免常见的陷阱和错误。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00