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。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~042CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0299- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









