eslint-plugin-perfectionist 中 TypeScript 非相对导入的分组优化
在 TypeScript 项目中,我们通常会使用两种导入方式:相对导入和非相对导入。相对导入以./或../开头,而非相对导入则直接引用模块名。eslint-plugin-perfectionist 的sort-imports规则现在可以更智能地区分这两种导入方式,特别是针对基于baseUrl配置的非相对导入。
背景与问题
TypeScript 支持通过tsconfig.json中的baseUrl配置来设置非相对导入的基准路径。例如,当baseUrl设置为src时,我们可以使用import x from 'components/Button'而不是import x from '../../components/Button'。
然而,在之前的版本中,eslint-plugin-perfectionist 将所有非相对导入都归类为"external"(外部)导入组,这会导致项目内部的非相对导入与真正的第三方库导入混在一起,不符合许多开发者的代码组织习惯。
解决方案
新版本引入了"ts-non-relative-imports"这一特殊分组,专门用于识别基于baseUrl配置的项目内部非相对导入。实现这一功能需要:
- 自动检测最近的
tsconfig.json文件 - 解析其中的
baseUrl和paths配置 - 根据这些配置判断导入语句是否属于项目内部
为了优化性能,实现采用了与typescript-eslint类似的缓存机制,确保每个目录的tsconfig.json只被读取一次,避免重复解析带来的性能损耗。
使用建议
现在开发者可以更灵活地配置导入分组顺序。例如,可以将"ts-non-relative-imports"与"parent"、"sibling"等相对导入分组合并,使项目内部的导入保持在一起,而将真正的第三方库导入单独分组。
这种分组方式不仅使代码更整洁,还能帮助开发者快速区分项目内部模块和外部依赖,提高代码可读性和维护性。
技术细节
实现过程中考虑了TypeScript的各种配置情况,包括:
- 基本的
baseUrl配置 - 复杂的
paths路径映射 - 继承的
extends配置 - 多
tsconfig.json文件的场景
通过智能缓存和高效的文件查找算法,确保了这一功能在大型项目中的良好性能表现。
这一改进使得eslint-plugin-perfectionist在TypeScript项目中的导入排序更加精确和实用,是TypeScript开发者提升代码质量的又一有力工具。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00