新闻详情

新闻详情

首页 / 资讯中心 / 详情

三步跑通 BlockSuite 预设编辑器:从页面到画布的完整接入路径

发布时间:2026/11/15 12:41:38来源:尧图网络
三步跑通 BlockSuite 预设编辑器:从页面到画布的完整接入路径
三步跑通 BlockSuite 预设编辑器从页面到画布的完整接入路径【免费下载链接】blocksuite Content editing tech stack for the web - BlockSuite is a toolkit for building editors and collaborative applications.项目地址: https://gitcode.com/GitHub_Trending/bl/blocksuiteBlockSuite 是面向 Web 的内容编辑技术栈presets 包把块架构沉淀为一组预设组件PageEditor 与 EdgelessEditor 各是一个可挂载的 Web Component分别对应文档式页面与无限画布两种形态解决的是从零装配块规格太繁琐的问题。这里直接给出从挂载、模式切换到规格定制的完整路径。 预设组件解决什么问题BlockSuite 的编辑能力建立在块之上段落、列表、代码、画布元素都是独立块每个块由 schema、model、service、渲染组件四部分构成。只用 blocks 包时需要自己声明用哪些块、如何注册 schema、按什么顺序挂载服务工作量不小且容易漏配。预设组件把这层装配固化成两个现成元素PageEditor 默认注入 PageEditorBlockSpecsEdgelessEditor 默认注入 EdgelessEditorBlockSpecs装配逻辑写在组件内部给组件一个 doc页面就渲染出来。做成 Web Component 而不是纯函数是因为编辑器生命周期、主题样式和视口滚动都需要一个持久的 DOM 容器来承载。 读懂共用骨架一个 editor-host两套 BlockSpecs打开 预设编辑器源码两个组件的实现高度对称都用 Lit 定义自定义元素都暴露 doc 属性render 时都只挂载一个 editor-host差异仅在传入的 specs 与外层视口策略——PageEditor 的视口允许纵向滚动EdgelessEditor 的视口则裁剪内容overflow: clip把缩放与平移交给画布自身处理。这种一个宿主加一套规格的结构意味着PageEditor 与 EdgelessEditor 可以挂在同一应用里甚至共享同一个 Doc 实例数据只有一份只是呈现方式不同这正是页面与白板双形态编辑器的基础。⚡ 三步把预设编辑器挂进前端项目以仓库自带的 react-basic 示例为例完整流程分三步const schema new Schema().register(AffineSchemas); const collection new DocCollection({ schema }); collection.meta.initialize(); const doc collection.createDoc({ id: page1 }); doc.load(() doc.addBlock(affine:page, {})); const editor new AffineEditorContainer(); editor.doc doc; document.body.appendChild(editor);第一步注册 schema把 AffineSchemas 挂到 Schema 实例上第二步用 DocCollection 建出文档并在 load 回调里写入 page 根块第三步实例化编辑器元素并赋值 doc。因为它是自定义元素与框架无关在 Vue、Svelte 或原生 JS 里写法一致。另外还要引入主题样式 blocksuite/presets/themes/affine.css否则字体和配色是裸的。 从页面到画布模式切换如何实现需要同时支持页面与白板时用 AffineEditorContainer 替代单独的 PageEditor。它内部用 signal 保存 mode 与 pageSpecs、edgelessSpecs 两组规格render 时以 rootModel.id mode 作为 keyed 指令的键来渲染 editor-hostmode 一变整个宿主重新渲染并换装规格但因为共享同一个 doc 的根块块数据原地保留只有呈现形态发生切换不会出现切换后内容清空的问题。如何定制两套规格切换机制之外两套规格都可以整体替换import { PageEditorBlockSpecs } from blocksuite/blocks; editor.pageSpecs [ ...PageEditorBlockSpecs, myCustomBlockSpec, ];pageSpecs 与 edgelessSpecs 各自独立可以只给页面侧加块而不影响画布侧定制粒度是整个规格集合。️ 接入之后要注意的三个边界预设组件也划清了自己的边界包入口在服务端环境会直接抛错SSR 暂不支持重复 import 时控制台会告警因为二次引入会破坏块 model 的构造器检查PageEditor 的 hasViewport 属性控制是否自带滚动容器嵌入已有滚动布局时可以关掉。从这三个入口出发可以先在 playground 里跑通完整示例再按需替换规格把预设编辑器变成自家产品的编辑底座。【免费下载链接】blocksuite Content editing tech stack for the web - BlockSuite is a toolkit for building editors and collaborative applications.项目地址: https://gitcode.com/GitHub_Trending/bl/blocksuite创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/14 17:14:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/15 4:06:36

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉