Compiled CSS 0.21.0版本发布:多选择器扁平化优化解析
2025-06-24 06:07:31作者:范垣楠Rhoda
Compiled是一个由Atlassian Labs开发的CSS-in-JS解决方案,它通过静态分析和编译技术将CSS-in-JS转换为高效、可预测的CSS输出。该项目旨在提供高性能的样式解决方案,同时保持开发者友好的API设计。
核心变更:多选择器扁平化处理
在最新发布的0.21.0版本中,Compiled CSS引入了一个重要的优化特性——自动将包含多个选择器的规则扁平化为独立的规则。这一变更虽然可能带来破坏性变化,但显著提升了样式的去重和排序能力。
技术实现解析
传统CSS中,开发者经常会编写包含多个选择器的规则,例如:
.button:hover, .button:focus {
color: red;
}
在Compiled 0.21.0之前,这种写法会被直接转换为类似的CSS输出。然而,新版本会将其自动转换为:
.button:hover {
color: red;
}
.button:focus {
color: red;
}
这种转换虽然生成的CSS体积可能略微增加,但带来了几个显著优势:
- 更好的样式去重:独立的规则使得样式系统能够更精确地识别和合并相同的样式声明
- 更可靠的排序:特别是对于伪类选择器,扁平化后可以确保它们以正确的顺序应用
- 更可预测的样式覆盖:减少了选择器特异性带来的意外覆盖问题
配置选项
考虑到某些项目可能需要保持原有行为,Compiled提供了关闭此特性的选项。在Babel配置中,可以通过设置flattenMultipleSelectors: false来禁用这一优化。
{
plugins: [
['@compiled/babel-plugin', { flattenMultipleSelectors: false }]
]
}
技术背景与价值
这一变更背后反映了Compiled团队对CSS-in-JS性能优化的深入思考。在大型应用中,样式规则的顺序和特异性往往会导致难以调试的问题。通过将复合选择器拆解,Compiled能够:
- 更精确地应用CSS的级联规则
- 减少因选择器权重计算带来的样式冲突
- 提高样式系统的可预测性
- 为未来的优化(如更激进的样式合并)奠定基础
升级建议
对于现有项目,升级到0.21.0版本时需要注意:
- 检查项目中是否存在依赖选择器顺序的特殊样式
- 评估扁平化后是否会影响现有UI的视觉效果
- 如果发现问题,可以先禁用该特性,逐步调整代码后再启用
- 考虑在测试环境中充分验证后再部署到生产环境
这一变更虽然可能带来短暂的适配成本,但从长期来看,它将使样式系统更加健壮和可维护,特别适合大型、长期维护的前端项目。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
最新内容推荐
SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 ZLIB 1.3 静态库 Windows x64 版本:高效数据压缩解决方案完全指南 2023年最新HTMLCSSJS组件库:提升前端开发效率的必备资源 Qt控件CSS样式实例大全 - 打造现代化GUI界面的终极指南 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
306
2.7 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
136
165
React Native鸿蒙化仓库
JavaScript
233
309
暂无简介
Dart
598
130
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++
630
230
仓颉编译器源码及 cjdb 调试工具。
C++
123
671
🎉 (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
1.06 K
615
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
196
72
仓颉编程语言测试用例。
Cangjie
36
672