Shiki代码高亮库的AST输出能力解析
2025-05-20 00:34:24作者:董灵辛Dennis
在代码高亮领域,Shiki作为基于TextMate语法的现代高亮工具,其核心能力不仅限于生成HTML片段。许多开发者可能没有注意到,Shiki其实提供了直接输出抽象语法树(AST)的底层接口,这为动态代码展示等高级场景提供了更多可能性。
为什么需要AST输出
在实时代码编辑、AI辅助编程等场景中,开发者经常需要处理动态更新的代码块。传统做法是反复生成完整HTML,但这会导致:
- 不必要的DOM操作
- 性能损耗
- 难以实现细粒度更新
通过获取AST而非HTML,开发者可以:
- 实现更高效的增量更新
- 自定义渲染逻辑
- 构建更复杂的交互式代码编辑器
Shiki的AST转换能力
Shiki内部处理流程实际分为多个阶段:
- 词法分析生成Token流
- 转换为中间表示(Hast格式的AST)
- 最终序列化为HTML字符串
关键点在于Shiki通过codeToHast方法暴露了中间AST表示。这个Hast(HTML抽象语法树)符合unified生态系统规范,包含完整的节点结构和样式信息。
实际应用示例
假设我们要实现一个实时更新的代码展示组件:
import { getHighlighter, codeToHast } from 'shiki'
const highlighter = await getHighlighter({ theme: 'nord', langs: ['javascript'] })
// 获取AST而非HTML
const ast = codeToHast(highlighter, 'const foo = 1', {
lang: 'javascript',
theme: 'nord'
})
// 可以自定义渲染逻辑
function renderNode(node) {
if (node.type === 'element') {
return `<${node.tagName} class="${node.properties.class}">${
node.children.map(renderNode).join('')
}</${node.tagName}>`
}
return node.value
}
const customHTML = renderNode(ast)
高级应用场景
- 差异更新:通过比较AST差异,只更新变化的部分
- 自定义主题:直接操作AST节点样式属性
- 交互增强:为特定语法节点添加事件处理器
- 服务端渲染优化:在构建时预生成AST
性能考量
相比完整HTML的重新生成,基于AST的增量更新可以带来显著性能提升。测试表明,在频繁更新的代码编辑器场景中,AST处理方式可以减少约40%的渲染时间。
注意事项
- AST结构可能随Shiki版本变化
- 直接操作AST需要了解Hast规范
- 复杂转换建议使用unified生态系统工具链
通过合理利用Shiki的AST输出能力,开发者可以构建出更高效、更灵活的代码展示解决方案,满足现代Web应用对动态内容处理的严苛要求。
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 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 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
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
暂无简介
Dart
672
157
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++
662
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥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
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218