UnoCSS中实现@supports特性查询的规则封装技巧
2025-05-13 01:36:52作者:裴麒琰
在现代CSS开发中,特性查询(@supports)是一种强大的工具,它允许开发者根据浏览器对特定CSS特性的支持情况来应用不同的样式规则。本文将介绍如何在UnoCSS中优雅地实现这种特性查询的封装。
背景与需求
在CSS开发中,我们经常需要处理浏览器兼容性问题。以writing-mode属性为例,不同浏览器对其sideways-lr值的支持程度不一。传统解决方案是编写如下CSS代码:
.sideways-lr {
writing-mode: sideways-lr;
}
@supports (not (writing-mode: sideways-lr)) {
.sideways-lr {
writing-mode: vertical-rl;
transform: rotate(-180deg);
}
}
在UnoCSS中,我们希望以更简洁、可维护的方式实现这种特性查询。
解决方案演进
初始方案:完全控制规则
UnoCSS提供了"完全控制规则"的方式,允许开发者直接返回CSS字符串:
rules: [
[/^sideways-lr$/, ([, name], { rawSelector }) => {
const selector = e(rawSelector)
return `
${selector} { writing-mode: sideways-lr; }
@supports (not (writing-mode: sideways-lr)) {
${selector} {
writing-mode: vertical-rl;
transform: rotate(-180deg);
}
}`
}]
]
这种方案虽然可行,但存在明显缺点:
- 无法利用UnoCSS的变体系统
- 代码可读性差
- 维护困难
改进方案:利用UnoCSS 0.61+的规则封装
UnoCSS 0.61版本引入了更优雅的解决方案,通过symbols.parent实现规则封装:
rules: [
[
/^sideways-lr$/,
(match, { symbols }) => {
return [
{ "writing-mode": "sideways-lr" },
{
[symbols.parent]: "@supports (not (writing-mode: sideways-lr))",
"writing-mode": "vertical-rl",
transform: "rotate(-180deg)",
},
]
}
]
]
这种方案的优势在于:
- 保持了UnoCSS的原子化特性
- 代码结构清晰
- 易于维护和扩展
- 支持变体系统
实现原理
UnoCSS的规则封装机制基于以下核心概念:
- 规则数组:每个匹配规则可以返回一个数组,包含多个样式对象
- 父级封装:通过特殊的
symbols.parent键指定父级选择器或特性查询 - 嵌套结构:支持多级嵌套,实现复杂的样式逻辑
扩展应用
这种封装技术不仅适用于特性查询,还可以应用于其他CSS上下文:
- 媒体查询:封装响应式样式
- 容器查询:基于容器尺寸的样式调整
- 嵌套选择器:实现复杂的选择器逻辑
最佳实践
- 保持简洁:每个规则只处理一个核心功能
- 合理命名:使用有意义的工具类名称
- 文档注释:为复杂规则添加说明
- 渐进增强:先提供基础样式,再添加高级特性
总结
UnoCSS的规则封装机制为处理CSS兼容性问题提供了优雅的解决方案。通过利用symbols.parent和数组返回值的组合,开发者可以轻松实现特性查询等高级CSS功能,同时保持代码的简洁性和可维护性。这种模式代表了现代CSS工具链的发展方向,将原子化CSS的便利性与复杂样式逻辑的处理能力完美结合。
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
184
196
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++
648
265
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
275
97
暂无简介
Dart
623
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
380
3.43 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