ESLint Stylistic v2.13.0 版本发布:增强代码风格控制能力
ESLint Stylistic 是一个专注于代码风格规则的 ESLint 插件集合,它继承了原 ESLint 核心中的风格相关规则,并在此基础上进行了扩展和增强。该项目旨在为开发者提供更灵活、更强大的代码风格控制工具,帮助团队维护一致的代码风格。
新增特性亮点
key-spacing 规则新增 ignoredNodes 选项
在 v2.13.0 版本中,key-spacing 规则新增了 ignoredNodes 选项,允许开发者指定哪些 AST 节点类型应该被此规则忽略。这个改进特别有用当你在代码中使用了某些特殊结构,而这些结构的键值对间距需要保持原样时。
例如,如果你使用了某种特定的装饰器语法或实验性语法,现在可以通过配置 ignoredNodes 来避免这些结构被 key-spacing 规则检查。
no-extra-parens 规则新增 nestedConditionalExpressions 选项
no-extra-parens 规则现在引入了 nestedConditionalExpressions 选项,专门用于控制嵌套条件表达式(三元运算符)中的多余括号。这个选项让开发者可以更精细地控制何时允许或禁止在三元运算符中使用括号。
在实际开发中,嵌套的三元运算符往往难以阅读,适当地使用括号可以显著提高代码可读性。这个新选项允许团队根据自身需求决定是否允许在嵌套条件表达式中使用括号。
padded-blocks 规则新增 start 和 end 选项
padded-blocks 规则现在支持分别配置块开始和结束的空行要求。新增的 start 和 end 选项让开发者可以独立控制代码块开头和结尾是否需要空行。
这个改进特别适合那些希望在代码块开始处保持紧凑(不需要空行),但在结束时需要空行以提高可读性的团队。或者反过来,某些团队可能希望在代码块开始处有空行以突出新逻辑块的开始,但在结束时不需要空行。
重要问题修复
indent-binary-ops 规则修复
本次版本修复了 indent-binary-ops 规则中的两个重要问题:
-
现在能够正确处理
TypeAliasDeclaration(类型别名声明)的缩进。在 TypeScript 代码中,类型别名的缩进现在会被正确识别和处理。 -
改进了多行赋值语句的缩进处理。当赋值表达式跨越多行时,现在能够更准确地计算和验证操作符的缩进位置。
这些修复使得规则在处理复杂类型定义和多行表达式时更加可靠,减少了误报的可能性。
文档改进
本次发布还对文档进行了多项改进:
- 修复了文档中不正确的面包屑导航,提高了文档的可浏览性
- 修正了
indent规则中错误的选项描述,确保开发者能够准确理解各选项的作用
内部改进
项目内部进行了代码质量提升,将已弃用的 isSpaceBetweenTokens 方法替换为新的 isSpaceBetween 方法。这种内部重构虽然不影响功能,但有助于保持代码的现代性和可维护性。
总结
ESLint Stylistic v2.13.0 版本通过新增多个配置选项,为开发者提供了更精细的代码风格控制能力。特别是对 key-spacing、no-extra-parens 和 padded-blocks 规则的增强,使得团队可以根据自身需求定制更合适的代码风格规范。同时,对 indent-binary-ops 规则的修复提高了其在复杂场景下的可靠性。这些改进共同使得 ESLint Stylistic 成为一个更加强大和灵活的代码风格管理工具。
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。C093
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00