VuePress/VitePress中Markdown图片标题渲染的hydration问题解析
2025-05-16 20:43:47作者:裘晴惠Vivianne
问题背景
在使用VuePress或VitePress这类基于Vue的静态站点生成器时,开发者经常会遇到"Hydration completed but contains mismatches"的警告。这个警告表明服务器端渲染(SSR)和客户端渲染(CSR)的DOM结构不一致,导致hydration(水合)过程出现差异。
问题现象
一个典型场景是开发者尝试通过自定义markdown-it插件来增强图片的显示效果,比如为图片添加标题(caption)。原始Markdown内容如下:

开发者期望渲染为包含<figure>和<figcaption>的HTML结构,但在实际构建时发现:
- 服务器端渲染结果:
<p>
<figure>
<img src="..." title="Test" />
<figcaption>Test</figcaption>
</figure>
</p>
- 客户端渲染结果:
<p></p>
<figure>
<img src="..." title="Test" />
<figcaption>Test</figcaption>
</figure>
这种不一致导致了hydration警告。
技术分析
根本原因
问题根源在于HTML规范的限制。根据HTML标准:
<p>标签是块级元素,只能包含"phrasing content"(短语内容)<figure>不是短语内容,而是流内容(flow content)- 当浏览器解析到
<p>内包含<figure>时,会自动纠正这种无效嵌套
这种自动纠正行为导致了服务器端和客户端渲染结果的差异:
- 服务器端:markdown-it直接输出未经浏览器处理的HTML
- 客户端:浏览器会自动修正无效的HTML结构
解决方案探索
-
自定义markdown-it插件方案:
- 直接修改图片渲染规则,返回包含
<figure>的结构 - 优点:灵活性高,可以完全自定义输出
- 缺点:需要处理HTML规范兼容性问题
- 直接修改图片渲染规则,返回包含
-
使用成熟插件方案:
- markdown-it-implicit-figures
- markdown-it-image-figures
- 优点:已经处理了各种边界情况
- 缺点:可能需要额外配置
推荐解决方案
基于社区经验,推荐使用现成的markdown-it插件,并结合适当配置:
import imageFigures from 'markdown-it-image-figures'
export default {
markdown: {
config: md => {
md.use(imageFigures, {
figcaption: true,
// 其他配置...
})
// 可选:自定义figcaption样式
const proxy = (tokens, idx, options, env, self) =>
self.renderToken(tokens, idx, options)
const defaultFigCaptionOpen = md.renderer.rules.figcaption_open || proxy
md.renderer.rules.figcaption_open = function(tokens, idx, options, env, self) {
const small = new self.Token("small_open", "small", 1)
small.attrs = [['style', 'opacity:0.8;']]
return `${defaultFigCaptionOpen(tokens, idx, options, env, self)}${self.renderToken([small], 0, options)}`
}
}
}
}
技术要点总结
- HTML规范意识:开发markdown插件时必须了解HTML内容模型(content model)规则
- hydration原理:Vue的SSR需要确保服务器和客户端渲染结果一致
- 社区方案优先:成熟的插件已经解决了各种边界情况
- 渐进增强:可以在插件基础上进行样式等非结构化的自定义
最佳实践建议
- 对于简单的图片标题需求,优先使用内置的title属性
- 需要复杂结构时,选择成熟的markdown-it插件
- 自定义渲染器时,确保输出的HTML符合规范
- 开发过程中使用浏览器"查看源代码"和"检查元素"对比SSR/CSR差异
通过理解这些原理和采用合适的解决方案,开发者可以避免hydration警告,同时实现丰富的Markdown内容展示效果。
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
173
193
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++
647
263
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
269
93
暂无简介
Dart
622
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
377
3.32 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
620
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