ngx-quill 中 preserveWhitespace 功能在 Quill v2 中的变化与解决方案
ngx-quill 是一个流行的 Angular 富文本编辑器组件,基于 Quill.js 构建。在最新版本中,用户报告了一个关于 preserveWhitespace 功能的问题,这个功能在 Quill v1 中正常工作,但在升级到 Quill v2 后失效了。
问题背景
preserveWhitespace 是一个用于保留文本中连续空格的功能。在 Quill v1 和 ngx-quill 24.0.5 版本中,通过在编辑器容器外包裹 <pre> 标签就能实现这一功能。然而,在升级到 Quill v2 和 ngx-quill 25.x 后,这一方法不再有效。
技术分析
经过深入调查,发现这个问题源于 Quill v2 内部实现的重大变化:
-
Quill v1 的实现方式:在 v1 版本中,剪贴板模块会将 HTML 插入到编辑器容器内的一个隐藏 div 中,并通过
getComputedStyles()检查是否应该折叠空格。因此,只需在编辑器容器外包裹<pre>标签就能保留空格。 -
Quill v2 的变更:在 v2 版本中,剪贴板模块改为直接解析粘贴的 HTML,而不是先插入到 DOM 中。这一架构变化导致之前通过
<pre>标签包裹容器的方法失效。 -
CSS 解决方案尝试:开发者尝试了通过设置
white-space: pre-line样式来解决问题,但这种方法在 Quill v2 中同样无效。
解决方案
经过与 Quill 核心开发者的讨论,确认了以下信息:
-
Quill v2 的设计意图:Quill 团队并不打算在 v2 版本中改变关于空格处理的行为。空格折叠仍然是默认行为,除非空格位于
<pre>标签内。 -
正确的实现方式:在 Quill v2 中,要保留空格,必须确保传递给
clipboard.convert()的 HTML 字符串中包含<pre>标签,而不是仅仅在编辑器容器外包裹<pre>标签。 -
替代方案:可以通过添加 TEXT_NODE 匹配器来覆盖默认行为,但这需要对 Quill 内部机制有较深的理解。
最终决策
考虑到这一功能在 Quill v2 中的实现复杂度增加,且与默认行为差异较大,ngx-quill 团队决定从 25.1.0 版本开始移除 preserveWhitespace 功能。对于确实需要此功能的用户,建议:
- 继续使用 Quill v1 和 ngx-quill 24.x 版本
- 自行实现自定义解决方案,如预处理输入内容或使用 TEXT_NODE 匹配器
经验总结
这个案例展示了依赖库重大版本升级可能带来的兼容性问题。作为开发者,在升级依赖时需要:
- 充分测试现有功能的兼容性
- 了解底层库的架构变化
- 准备好应对方案或回退计划
对于 ngx-quill 用户来说,如果 preserveWhitespace 是关键需求,目前最稳定的方案是保持在 Quill v1 和 ngx-quill 24.x 的版本组合上。
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