ProseMirror 开源项目教程
2024-09-13 20:17:14作者:郦嵘贵Just
1. 项目介绍
ProseMirror 是一个基于 contentEditable 的富文本编辑器,旨在提供一个既支持协作编辑又支持自定义文档模式的编辑器。它试图在明确的、无歧义的内容编辑(如 Markdown 或 XML)与传统的 WYSIWYG 编辑器之间架起一座桥梁。ProseMirror 的核心库是小型且通用的,提供了构建不同类型编辑器的基础。
主要特性
- 协作编辑:内置的协作编辑支持,允许多人在同一文档上实时工作。
- 可扩展的文档模式:允许编辑具有自定义结构的文档,而无需从头编写编辑器。
- 模块化:模块化架构确保你只加载所需的代码,并可以根据需要替换系统的一部分。
- 插件系统:插件系统允许你轻松启用额外的功能,并将自己的扩展打包成方便的格式。
- 功能性架构:主要采用函数式和不可变架构,便于集成到现代 Web 应用中,并自信地实现复杂行为。
2. 项目快速启动
安装
首先,确保你已经安装了 Node.js 和 Yarn。然后,通过以下命令克隆项目并安装依赖:
git clone https://github.com/ProseMirror/prosemirror.git
cd prosemirror
yarn install
构建项目
运行以下命令来构建项目:
yarn build
启动开发服务器
启动开发服务器以查看示例和进行开发:
yarn dev-start
示例代码
以下是一个简单的 ProseMirror 编辑器示例:
import {EditorState} from "prosemirror-state"
import {EditorView} from "prosemirror-view"
import {schema} from "prosemirror-schema-basic"
import {addListNodes} from "prosemirror-schema-list"
import {exampleSetup} from "prosemirror-example-setup"
// 创建自定义模式
const mySchema = new Schema({
nodes: addListNodes(schema.spec.nodes, "paragraph block*", "block"),
marks: schema.spec.marks
})
// 创建编辑器视图
window.view = new EditorView(document.body, {
state: EditorState.create({
doc: mySchema.nodeFromJSON({
type: "doc",
content: [{type: "paragraph", content: [{type: "text", text: "Hello World"}]}]
}),
plugins: exampleSetup({schema: mySchema})
})
})
3. 应用案例和最佳实践
应用案例
- 协作文档编辑:ProseMirror 被广泛用于需要多人实时协作编辑的场景,如在线文档编辑器、团队协作平台等。
- 富文本编辑器:许多博客平台和内容管理系统(CMS)使用 ProseMirror 作为其富文本编辑器,以提供更好的用户体验和更灵活的内容编辑功能。
最佳实践
- 自定义文档模式:根据应用需求定义自定义文档模式,以确保编辑器生成的内容符合预期结构。
- 插件扩展:利用 ProseMirror 的插件系统,添加额外的功能,如语法高亮、自动保存等。
- 性能优化:在处理大量内容时,注意性能优化,如分页加载、懒加载等。
4. 典型生态项目
- prosemirror-view:提供编辑器的视图组件,负责渲染和用户交互。
- prosemirror-state:管理编辑器的状态,包括文档内容、选区和插件状态。
- prosemirror-model:定义文档的结构和内容模型。
- prosemirror-schema-basic:提供基本的文档模式,包括段落、标题、列表等。
- prosemirror-example-setup:提供一个示例配置,包含常用的插件和设置,便于快速启动。
通过这些模块的组合,你可以构建出功能强大且灵活的富文本编辑器。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
192
212
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++
650
270
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
296
111
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
384
3.69 K
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
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
React Native鸿蒙化仓库
JavaScript
243
316
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
66
96
暂无简介
Dart
633
143