ESLint中no-restricted-imports规则的正确使用姿势
2025-05-07 02:47:10作者:霍妲思
在大型前端项目中,我们经常需要规范模块的导入方式,避免开发者直接引用某些内部实现细节。ESLint的no-restricted-imports规则就是为此而设计的,但它的模式匹配行为可能会让开发者感到困惑。
问题背景
当我们需要限制从特定目录导入时,比如禁止从TypeScript编译输出的lib目录直接导入,但又要允许其中的某些特定路径,配置起来并不直观。很多开发者会尝试使用类似.gitignore的排除语法,但发现效果不如预期。
核心原理
no-restricted-imports的patterns选项遵循.gitignore规范,这意味着:
- 一旦父目录被排除,就无法单独重新包含其中的子文件
- 必须按照特定顺序和方式声明排除规则才能达到预期效果
实战配置方案
假设我们有一个@org作用域下的多个包,需要:
- 禁止从lib目录及其子目录导入
- 但允许lib/下特定路径的导入
正确的配置方式应该是:
"no-restricted-imports": [
"error",
{
patterns: [
{
group: [
"@org/*/**", // 首先禁止所有深层导入
"!@org/package-one/lib/", // 然后允许整个lib目录
"!@org/package-one/lib/allowed/", // 再允许allowed目录
"!@org/package-one/lib/allowed/**", // 最后允许allowed下的所有内容
// 对其他包重复相同模式
"!@org/package-two/lib/",
"!@org/package-two/lib/allowed/",
"!@org/package-two/lib/allowed/**"
],
message: "请使用公共API,不要直接引用内部实现"
}
]
}
]
关键要点
- 目录级排除优先:必须先排除整个目录,才能排除其中的特定子目录
- 顺序很重要:排除规则需要从宽泛到具体逐步细化
- 尾部斜杠:在排除目录时使用尾部斜杠可以明确表示这是一个目录而非文件
- 通配符使用:**表示递归匹配所有子目录和文件
最佳实践建议
- 对于大型项目,建议将这类配置提取到共享的ESLint配置中
- 配合TypeScript的path映射,可以更好地控制模块导入
- 在README或项目文档中明确记录允许的导入路径
- 定期审查例外规则,避免例外过多导致规则失效
通过正确配置no-restricted-imports规则,可以有效维护项目的模块边界,保证代码架构的清晰性,同时保留必要的灵活性。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C030
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
最新内容推荐
TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 谷歌浏览器跨域插件Allow-Control-Allow-Origin:前端开发调试必备神器 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
425
3.26 K
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++
689
334
暂无简介
Dart
686
161
Ascend Extension for PyTorch
Python
231
264
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
React Native鸿蒙化仓库
JavaScript
266
326
🎉 (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
1.22 K
667
🔥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
65
19
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
19
30