copy-webpack-plugin 12.x 版本中 globOptions.ignore 配置变更解析
问题背景
在升级到 copy-webpack-plugin 12.x 版本后,部分开发者遇到了一个构建错误:"ERROR in directoryPaths.map is not a function"。这个错误通常出现在使用该插件复制静态资源文件时,特别是在配置 globOptions.ignore 选项时。
错误原因分析
这个问题的根源在于 globby 库(copy-webpack-plugin 的依赖项)对 ignore 配置项的处理方式发生了变化。在 fast-glob 3.3.1 版本后,ignore 选项不再支持直接传入字符串形式,而必须使用数组形式。
虽然之前版本中字符串形式的配置能够"幸运地"工作,但这实际上是依赖了特定实现的巧合行为。12.x 版本更新后,这种隐式兼容被移除,导致直接使用字符串配置时会出现类型错误。
解决方案
开发者需要将 globOptions.ignore 的配置从字符串形式改为数组形式。例如:
// 旧配置(会导致错误)
{
globOptions: { ignore: '**/index.ejs' }
}
// 新配置(正确写法)
{
globOptions: { ignore: ['**/index.ejs'] }
}
技术细节
-
globby 与 fast-glob 的关系:copy-webpack-plugin 内部使用 globby 来处理文件匹配,而 globby 又依赖于 fast-glob 库。fast-glob 从 3.3.1 版本开始就要求 ignore 必须是数组类型。
-
类型检查强化:12.x 版本对参数类型检查更加严格,不再自动转换字符串为数组,这符合 JavaScript 生态中类型安全的趋势。
-
向后兼容性:虽然这是一个破坏性变更,但由于它修复的是一个原本就不应该工作的用例,且解决方案简单明了,因此被包含在主要版本更新中。
最佳实践建议
-
对于需要忽略多个模式的情况,直接在数组中添加多个项目:
{ globOptions: { ignore: ['**/index.ejs', '**/temp/*', '**/.DS_Store'] } } -
在升级主要版本时,建议仔细阅读变更日志,特别是关于配置选项格式的变更。
-
对于复杂的忽略规则,考虑使用函数形式的 filter 选项来实现更精细的控制。
总结
copy-webpack-plugin 12.x 版本对 globOptions.ignore 配置的严格化处理,虽然带来了短暂的适配成本,但提高了代码的健壮性和可预测性。开发者只需简单地将字符串形式的忽略规则改为数组形式,即可解决构建错误问题。这个变更也提醒我们,在配置 webpack 插件时,应该始终遵循官方文档推荐的格式,而不是依赖实现细节的巧合行为。
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-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