React-PDF 兼容性问题:解决 Safari 旧版本中 Promise.withResolvers 缺失问题
问题背景
React-PDF 是一个基于 PDF.js 的 React 组件库,用于在网页中渲染 PDF 文档。近期更新后,部分用户在使用较旧版本的 Safari 浏览器(特别是 17.3 及以下版本)时遇到了 Promise.withResolvers is not a function 的错误。这个问题源于现代 JavaScript 特性在这些旧浏览器中的缺失。
问题分析
Promise.withResolvers 是 ECMAScript 2023 新增的 API,它提供了一种更简洁的方式来创建 Promise 及其相关的 resolve 和 reject 函数。虽然 React-PDF 已经提供了 legacy worker(位于 pdfjs-dist/legacy/build/pdf.worker.min.mjs),但这个 worker 仍然依赖了 Promise.withResolvers 函数,导致在 Safari 17.3 及以下版本中无法正常工作。
解决方案
方案一:添加 Polyfill
最直接的解决方案是为旧浏览器添加 Promise.withResolvers 的 polyfill。可以通过以下步骤实现:
- 安装 core-js 库
- 在应用入口文件中导入 polyfill
import "core-js/proposals/promise-with-resolvers";
方案二:使用兼容性更好的 worker 版本
即使添加了 polyfill,仍建议使用 legacy worker 版本以确保最佳兼容性:
import { pdfjs } from "react-pdf";
pdfjs.GlobalWorkerOptions.workerSrc = `path/to/pdfjs-dist/legacy/build/pdf.worker.min.mjs`;
方案三:智能检测浏览器版本
对于需要支持多种浏览器版本的应用,可以实现智能检测逻辑,根据浏览器类型和版本动态选择 worker 版本:
function shouldUseLegacyBuild() {
if (typeof window === 'undefined') return false;
const ua = window.navigator.userAgent;
const isSafari = /^((?!chrome|android).)*safari/i.test(ua);
if (!isSafari) return false;
const match = ua.match(/Version\/(\d+)/i);
if (!match || !match[1]) return true;
const version = parseInt(match[1]);
return version < 18;
}
function initPDFWorker() {
if (typeof window !== 'undefined') {
const useLegacy = shouldUseLegacyBuild();
const workerSrc = useLegacy
? 'pdfjs-dist/legacy/build/pdf.worker.min.mjs'
: 'pdfjs-dist/build/pdf.worker.min.mjs';
pdfjs.GlobalWorkerOptions.workerSrc = workerSrc;
}
}
最佳实践建议
-
始终添加 polyfill:即使当前用户群体主要使用现代浏览器,添加 polyfill 可以防止未来出现兼容性问题。
-
考虑使用 CDN:可以使用 unpkg 等 CDN 服务来加载 worker 文件,避免打包问题。
-
错误处理:在初始化 PDF worker 时添加适当的错误处理,确保即使出现问题也不会影响整个应用。
-
版本检测:对于需要支持多种浏览器的大型应用,实现智能版本检测可以优化性能,现代浏览器用户可以获得更好的体验。
-
测试覆盖:确保在 Safari 17.3 及以下版本中进行充分测试,验证解决方案的有效性。
总结
React-PDF 在现代浏览器中表现良好,但在处理旧版 Safari 时需要特别注意兼容性问题。通过添加适当的 polyfill 和选择正确的 worker 版本,可以确保应用在所有目标浏览器中都能正常工作。开发者应根据自己的用户群体和需求,选择最适合的解决方案组合。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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