Shiki代码高亮工具中行标记功能的演进与最佳实践
2025-05-20 09:06:44作者:郦嵘贵Just
背景与现状分析
Shiki作为一款优秀的语法高亮工具,在开发者文档和代码展示场景中被广泛使用。其通过注释标记实现行高亮和差异显示的功能(如// [!code ++]、// [!code --]等)虽然强大,但在实际使用中面临着一个典型问题:当代码经过Prettier等格式化工具处理后,这些精心放置的注释标记经常会被破坏,导致高亮功能失效。
核心问题剖析
这个问题本质上源于两种需求的冲突:
- 格式化需求:现代开发流程中,代码格式化工具会强制统一代码风格,包括注释的位置和格式
- 标记需求:Shiki需要特定的注释格式和位置来实现行标记功能
传统的行内注释标记方式(如// [!code highlight])虽然直观,但:
- 容易在格式化过程中被移动或修改
- 会污染实际代码内容
- 在非JavaScript语言中可能没有对应的注释语法
解决方案探索
1. 元数据标记方案
Shiki已经支持通过HTML注释形式的元数据进行行标记,例如:
<!-- [!code ++:4] -->
这种方案具有以下优势:
- 不干扰实际代码内容
- 不受语言语法限制
- 格式化工具通常不会修改HTML注释
2. 块级标记语法
受Expressive Code等工具的启发,可以考虑更声明式的标记语法:
```js title="示例" del={2} ins={3-4} {6}
// 代码内容
```
这种方式的优点包括:
- 标记与代码完全分离
- 支持范围标记(多行)
- 结构清晰易维护
技术实现建议
对于Shiki的Transformer系统,可以:
-
增强现有转换器:
- 扩展
transformerNotationDiff支持元数据格式 - 改进
transformerMetaHighlight的功能完整性
- 扩展
-
新增转换器类型:
- 开发支持块级标记语法的转换器
- 实现行号范围标记解析
-
兼容性处理:
- 保持对传统注释标记的向后兼容
- 提供迁移工具帮助用户过渡
最佳实践推荐
基于当前技术状态,建议开发者:
- 优先使用HTML注释形式的元数据标记
- 对于新项目,考虑采用更结构化的标记方案
- 在团队协作环境中,建立统一的标记规范
- 结合CI流程,验证标记在格式化后的有效性
未来展望
代码展示工具的发展趋势显示:
- 标记方式正从侵入式向声明式演进
- 元数据与内容分离成为主流方案
- 工具链整合(如与格式化工具的协同)越来越受重视
Shiki作为领先的高亮工具,通过改进行标记机制,将进一步提升开发者在文档编写和技术分享中的体验。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
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++
647
263
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
268
93
暂无简介
Dart
622
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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