BlockNote项目中的默认Schema类型解析与应用
2025-05-28 15:00:13作者:明树来
BlockNote
A "Notion-style" block-based extensible text editor built on top of Prosemirror and Tiptap.
理解BlockNote的Schema设计
BlockNote作为一个现代化的富文本编辑器框架,采用了强类型化的Schema设计模式。这种设计使得编辑器能够精确地知道每个块(block)、内联内容(inline content)和样式(style)的类型结构,从而在开发阶段就能提供完善的类型检查和代码提示功能。
默认Schema类型的重要性
在BlockNote中,Schema定义了编辑器可以处理的内容结构。默认情况下,BlockNote提供了一套完整的Schema类型,包括:
- 块Schema(BlockSchema):定义编辑器支持的各种块类型及其属性
- 内联内容Schema(InlineContentSchema):定义内联内容的类型
- 样式Schema(StyleSchema):定义可应用于内容的样式
这些默认类型已经涵盖了大多数常见的富文本编辑需求,开发者可以直接使用而无需从头定义。
如何在代码中使用默认Schema
BlockNote核心库(@blocknote/core)已经导出了这些默认Schema类型,开发者可以方便地在自己的代码中引用:
import {
BlockNoteEditorOptions,
DefaultBlockSchema,
DefaultInlineContentSchema,
DefaultStyleSchema
} from "@blocknote/core";
// 使用默认Schema类型定义编辑器选项
const options: BlockNoteEditorOptions<
DefaultBlockSchema,
DefaultInlineContentSchema,
DefaultStyleSchema
> = {
// 编辑器配置项
};
类型推断的替代方案
虽然直接使用导出的默认Schema类型是最推荐的方式,但在某些特殊情况下,开发者也可以通过类型推断来获取这些类型:
// 方法一:通过编辑器实例推断
type DefaultEditorOptionsType = BlockNoteEditorOptions<
BlockNoteEditor["schema"]["blockSchema"],
BlockNoteEditor["schema"]["inlineContentSchema"],
BlockNoteEditor["schema"]["styleSchema"]
>;
// 方法二:通过useCreateBlockNote返回值推断
const __inferrer = () => useCreateBlockNote();
type DefaultEditorType = ReturnType<typeof __inferrer>;
type InferredOptionsType = BlockNoteEditorOptions<
DefaultEditorType["schema"]["blockSchema"],
DefaultEditorType["schema"]["inlineContentSchema"],
DefaultEditorType["schema"]["styleSchema"]
>;
不过需要注意的是,这些推断方法可能会随着BlockNote版本的更新而失效,因此官方导出的类型始终是最稳定的选择。
实际应用场景
在实际开发中,了解这些默认Schema类型特别有用,例如:
- 当创建自定义组件需要接收编辑器配置作为props时
- 当需要扩展默认Schema但又要保留原有类型时
- 当编写高阶组件或工具函数需要与编辑器交互时
通过正确使用这些类型,可以确保代码的类型安全性和编辑器功能的完整性。
最佳实践建议
- 优先使用官方导出的
DefaultBlockSchema等类型,而非类型推断 - 当需要扩展Schema时,可以先从默认Schema开始,再逐步添加自定义类型
- 在共享编辑器配置时,明确指定Schema类型以确保类型一致性
- 在团队协作中,考虑将常用的Schema类型定义集中管理
BlockNote的这种强类型设计虽然初期可能需要一些适应,但长期来看能显著提高开发效率和代码质量,特别是在大型项目或团队协作环境中。
BlockNote
A "Notion-style" block-based extensible text editor built on top of Prosemirror and Tiptap.
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
268
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
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