UnoCSS中实现@supports特性查询的规则封装技巧
2025-05-13 01:01:59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
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
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