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
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
最新内容推荐
MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Solidcam后处理文件下载与使用完全指南:提升CNC编程效率的必备资源 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 Python开发者的macOS终极指南:VSCode安装配置全攻略 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 STM32到GD32项目移植完全指南:从兼容性到实战技巧
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