Web 富文本编辑器演进

2022-07-03 21:30 | (license)

什么是富文本？

富文本 Rich Text ，相对于纯文本 Plain Text 来说，就是有通用的格式选项（比如加粗和斜体）来格式化的文本。

rich-text

Web + 富文本编辑器

vs-code

众所周知，Web 是目前来说最通用的平台，不管是电脑、手机、游戏机、汽车还是 Kindle ，只要有浏览器就能打开网站。加上 WebAssembly 和 Electron 等技术和工具的支持，在 Web 上执行复杂操作的超级应用（Figma, VS Code）也在陆续登场。面对 “一次编写，随处运行” 的诱惑下，许多传统桌面应用也都在逐步地将阵地拓展到 Web 端，富文本编辑器就是其中之一。

富文本编辑器 = 坑？

在 Web 前端业界内，富文本编辑器是公认的天坑。Web 开发好处是跨平台，但问题也是因为跨平台带来的兼容问题。跨平台只是能在各个平台上跑起来，但是跑起来怎么样就是天坑所在了。

在 Web 开发编辑器首先要处理好 焦点、光标选区、撤回栈、从外部粘贴内容解析等等的坑，然后考虑兼容不同浏览器（Chrome、Firefox、Safari 等）...... 处理好了最基本的英文输入后，以中文使用者为代表的用户来要求支持 IME 组合输入了...... 解决了 IME 输入后，RTL 语言（希伯来语、阿拉伯语）用户来了...... 手机用户来了...... 协同编辑用户来了......

借用知乎上的一段话，总结起来就是：

落后的生产力与人们日益增长的需求之间的矛盾。

落后生产力：

  1. Web 相关标准推进缓慢
  2. 浏览器厂商对于相同操作或者场景实现方式的不同，导致兼容性的问题
  3. 使用 HTML DOM 描述富文本内容有太多不可控制的情况

日益增长的需求：

  1. 不确定的交互意图，比如按 Delete 键，不同的焦点位置有不同的情况需要考虑
  2. 内容输入的多样性，比如有：打字键入、粘贴、拖拽等，每个处理起来都相当复杂
  3. 大量需要拦截阻止和代理的浏览器默认行为，保证数据的完整性和正确性
  4. 用户对于编辑器的使用要求越来越高，比如：合并单元格、列表多级嵌套、协同编辑、版本对比、段落标注，大家都认为这是基本需求，其实这里面的技术难度是超出大家的想象的。

编辑器技术阶段一览

阶段描述典型产品
L0 强依赖浏览器 DOM API ( contenteditable, document.execCommand ) 视图即数据UEditorTinyMCECKEditor 1 ~ 4
L1 仍然基于 contenteditable 抛弃 document.execCommand 操作内容，改为自己实现有抽象的数据模型来描述富文本编辑器的内容与状态QuillSlateCKEditor 5Draft.jsProseMirrorwangEditor v5
L2 抛弃 contenteditable ，改为自己实现 抛弃 document.execCommand 操作内容，改为自己实现自己实现排版引擎Google Docs

L0

L0 阶段的编辑器主要是是依赖了浏览器原生的 contenteditable API 来实现编辑，以 document.execCommand API 来实现多种操作，比如加粗、绑定链接、复制粘贴等等。

优势：

  1. 技术门槛低。只要使用了以上两个 API ，就可以让网页具备编辑能力。
  2. 基于浏览器原生编辑能力，输入非常流畅。
  3. 没有令人头疼的组合输入问题。

劣势：

  1. 相同操作在不同浏览器上会有不同实现。
  2. 输出富文本内容是 HTML ，不利于管理数据。
  3. 扩展复杂的富文本很困难。
  4. 没有办法实现协同编辑。

L1

目前大多数编辑器框架都处于 L1 阶段，比较有代表性的就是 Quill、Slate、ProseMirror 和 Draft.js。它们主要有两个明显的特点：

  1. 仍然依赖于 contenteditable API 用于内容编辑，但不再依赖 document.execCommand API 来操作内容，改为自己实现。
  2. 有抽象的数据模型来描述富文本编辑器的内容与状态。

2012 - Quill

quill

Quill 是 API 驱动的富文本编辑器框架，提供开箱即用的编辑器体验。

Quill 的作者 Jason Chen 是一名华裔，Quill 其实算是 Jason 的一个 Side Project，当初是创办了一家公司，专门做类似 Google Docs 的协作编辑器，因此自己写了 Quill 出来使用。

Quill 对 DOM Tree 以及数据的修改操作进行了抽象，从而实际使用时不需要我们对 DOM 操作，而是通过 Quill 的 API 进行操作，对应的关系如下：

Editor Document ====> Parchment

DOM Node ====> Blot

有了这层抽象后，原本的对 DOM 的直接操作就变成了对 Blot 的操作，这些操作用 Delta 来表示。Quill 在 Delta 中抛弃了 DOM 的节点树的层次，因此完全看不出包裹文字的标签和节点关系，只有一个扁平化后的数组 ops。

数据模型：

img

json
{
  "ops": [
    {
      "attributes": {
        "bold": true
      },
      "insert": "Check"
    },
    {
      "insert": " "
    },
    {
      "attributes": {
        "link": "https://donaldxdonald.xyz/"
      },
      "insert": "this"
    },
    {
      "insert": " out ~"
    }
  ]
}

Delta 的扁平化结构其实是协同编辑中的 OT 模型的一种实现，因此 Quill 也是生来就是为了协同编辑而设计的。扁平化带来的好处是对性能提升有帮助，弊端则是在表示一些复杂的嵌套内容时会比较吃力。

Quill 的特点是：

  1. 依赖浏览器原生编辑能力 contentEditable (L1)
  2. 引入了一层抽象的数据结构用以描述内容以及行为
  3. 对协同编辑支持良好
  4. 输出结构可以是字符串也可以是 Delta （JSON），但 Delta 作为数据模型可读性不高

2015 - ProseMirror

prosemirror

Marijn 是 CodeMirror 编辑器和 acorn 解析器的作者，前者已经在 Chrome 和 Firefox 自带的调试工具里使用了，后者则是 babel 的依赖。为了有更多的收入，Marijn 开始了新的项目，ProseMirror 。

Marijn 觉得当时市面上的开源编辑器都没有一个采用他认为是理想的方法，且很多还是使用着旧的范式来设计，使用着 contentEditable来实现。这样子开发者对文档内容能控制的范围就很小，而这又是很容易被用户和浏览器修改的。虽然 ProseMirror 还是基于 contentEditable 实现编辑功能了，毕竟自己重新实现一套选区逻辑太麻烦了。

ProseMirror 是有 schema （范式）的，所以定义好了 schema 以后 ProseMirror 可以替你实现自动化 parser 。框架层面定义好了新引入一个 Node 需要什么属性和方法，比如 nodeFromJSON 方法做结构到 json 的转换，toDOM 方法定义如何将结构数据转换为 DOM（有点类似 JSX ）。ProseMirror 就在中间这一层做了 json 数据到 DOM 的变更管理。

数据模型：

img

json
{
  "type": "paragraph",
  "content": [
    {
      "type": "text",
      "marks": [
        {
          "type": "strong"
        }
      ],
      "text": "Check"
    },
    {
      "type": "text",
      "text": " "
    },
    {
      "type": "text",
      "marks": [
        {
          "type": "link",
          "attrs": {
            "href": "https://donaldxdonald.xyz",
            "title": ""
          }
        }
      ],
      "text": "this"
    },
    {
      "type": "text",
      "text": " out ~"
    }
  ]
}

ProseMirror 的特点是：

  1. 依赖浏览器原生编辑能力 contentEditable (L1)
  2. 更抽象的 json 文档模型。ProseMirror 只定义了可配置的模型框架，具体的结构可以在实际开发的时候自定义。
  3. 嵌套的树形结构。能支持复杂结构的内容。
  4. 对协同编辑的良好支持。从诞生之初，ProseMirror 就开始关注着协同编辑的支持。
  5. 1.0 后加入了不可变数据，使得编辑器的数据处理有了一个完整的数据流，稳定且可控。

2016.02 - Draft.js

draftjs

彼时还叫 Facebook 的 Meta 开源了 Draft.js ，既然都是同一个公司的，Draft.js 就在视图层方面使用了 React 渲染 UI 。这也是第一个 React + 编辑器结合的案例，React 的流行也让使用者可以快速地直接基于 Draft.js 进行二次开发。

Draft.js 不仅外表有 React ，内里也是有很深的 React 的影子，类似 Redux 等状态管理的 EditorState 和 ContentState ，在数据层使用 Immutable等特性。JS 对象的属性是可以随意赋值的，也就是 mutable 可变的。而相对地，不可变的数据类型不允许随意赋值，每次通过 Immutable API 的修改，都会生成一个新的引用。

Draft.js 的特点是：

  1. 依赖浏览器原生编辑能力 contentEditable (L1)
  2. 用 React 来实现视图层
  3. 内容的存储和渲染逻辑分离
  4. 使用 Immutable 数据
  5. 虽然也抽象了基于 json 的数据模型，但是对于嵌套数据的支持有些弱

2016.06 - Slate

slate

此时市面上已有许多编辑器轮子在卷了，但是 Ian Storm Taylor 在开发自己的 CMS 产品时，仍然觉得没有一个好用的编辑器，他觉得这些编辑器如果只是用来做一些简单的产品的话，是挺不错的了，但是如果想要开发像 Medium 、Google Docs 和 Dropbox Paper 这些大型应用的话，就太难太难了，于是就有了 Slate。

Slate 同样的是一个编辑器框架，而不是开箱即用的编辑器工具。作为晚辈的 Slate 集合了前辈们的许多优点，从 Draft.js 那里参考的 Immutable 数据、插件机制和 React 视图层，又从 ProseMirror 借鉴了嵌套数据结构和 Schema 约束规则。整合了许多编辑器框架的核心特性，又加上框架理念先进和作者对架构的追求（时至今日 2022 ，仍然是 beta 的状态，还没到 1.0），Slate 在社区上还是比较受欢迎的。

数据模型：

example-slate

json
{
  "object": "block",
  "type": "paragraph",
  "nodes": [
    {
      "object": "text",
      "text": "This is editable "
    },
    {
      "object": "text",
      "text": "rich",
      "marks": [{ "type": "bold" }]
    },
    {
      "object": "text",
      "text": " text, "
    },
    {
      "object": "text",
      "text": "much",
      "marks": [{ "type": "italic" }]
    },
    {
      "object": "text",
      "text": " better than a "
    },
    {
      "object": "text",
      "text": "<textarea>",
      "marks": [{ "type": "code" }]
    },
    {
      "object": "text",
      "text": "!"
    }
  ]
}

此时 Slate 的特点是：

  1. 依赖浏览器原生编辑能力 contentEditable (L1)
  2. 用 React 来实现视图层
  3. 支持嵌套的 json 数据结构
  4. Immutable 数据
  5. 插件机制为核心
  6. 有约束数据的 Schema

2019 - Slate 0.50+

Slate 在架构上进行了一个大更新，作者称 “整个框架都从头开始重新考虑了”，主要更新的点为：

  1. 将底层逻辑抽离出来 Slate Core ，与视图层分离
  2. 用 TypeScript 重写
  3. 简化插件机制，插件不再与渲染逻辑耦合
  4. 用简单的 json 对象替换 Immutable.js
  5. 自有概念和一些 Commands 更精简更抽象，改名为 Transforms

数据模型：

example-slate

json
{
  "type": "paragraph",
  "children": [
    { "text": "This is editable " },
    { "text": "rich", "bold": true },
    { "text": " text, " },
    { "text": "much", "italic": true },
    { "text": " better than a " },
    { "text": "<textarea>", "code": true },
    { "text": "!" }
  ]
}

这时候 Slate 的特点是：

  1. 依赖浏览器原生编辑能力 contentEditable (L1)
  2. 非常简洁的支持嵌套的数据模型
  3. 整体架构采用纯函数 + 接口的方式，思路和代码都非常简洁
  4. 插件机制支持开发强大的功能
  5. 整体的设计理念与 DOM 很像

2022 - Lexical

lexical

由于 Draft.js 在以往兼容浏览器方面做了很多的脏活，且这些是现在不太必要的，同时为了改善开发者体验（很多开发者吐槽 Draft.js 不好用），Meta 又开源了一款新的编辑器框架 Lexical ，旨在替换 Draft.js。

目前看来暂时没有什么特别创新的概念，主要也还是吸收了其他编辑器框架的优点：

  1. 依赖浏览器原生编辑能力 contentEditable (L1)
  2. 保留了 Draft.js 中的一些概念（EditorState）
  3. 不与 React 绑定了，可以用各种框架实现视图层
  4. 整个框架挺轻便的，几乎没有什么其他的依赖

L2

前面都有说到，凭借浏览器的contenteditable API，可以快速地开发出一款编辑器出来，但是各种兼容问题太多了，别看现在大多数编辑器框架还在 L1 ，其实早在 2010 年，财力雄厚的 Google 就已经开始抛弃浏览器的 contenteditable 了，新版 Google Docs 基于 Canvas 自己研发光标系统、文本布局系统和字体解析，因此除了自己的抽象数据结构外，连编辑操作都是自己实现了，编辑的呈现效果一致了，那协同编辑就自然水到渠成了。

google-docs

当然，Google Docs 的核心技术没有开源，这种拼钱的工作还是得牢牢掌握在自己手中，国内的腾讯文档和 WPS 等编辑器也算是 L2 的，不一定是用 Canvas ，但思路都是自己实现编辑布局功能，弃用浏览器的 contenteditable 。

总结

contenteditable is terrible, 但是编辑器已经最小化了对它的使用，比之更为严峻的是，操作系统、浏览器、输入法相互组合形成的紊乱生态 —— 一个编辑器无法控制的，但产品又期望在上面开出繁花的生态。所以才说，Web 富文本编辑器是前端的天坑之一。

参考链接

  1. 为什么都说富文本编辑器是天坑? - 知乎
  2. 有多大比例的前端工程师，能在合理的时间内独立开发出一个足以供商业网站使用的文本编辑器? - 知乎
  3. 开源富文本编辑器技术的演进（2020 1024）
  4. ContentEditable困境与破局
  5. Slate.js - 革命性的富文本编辑框架 - 掘金
  6. Jason Chen: Building Editors in the Browser | JSConf.ar 2014
  7. Marijn Haverbeke: Salvaging contentEditable: Building a Robust WYSIWYG Editor | JSConf EU 2015
  8. ProseMirror
  9. Facebook open sources Lexical, an extensible text editor library - Hacker News
  10. 为什么 ContentEditable 很恐怖 - OSCHINA - 中文开源技术交流社区
  11. 如何看待 Google Docs 将从 HTML 迁移到基于 Canvas 渲染? - 知乎
  12. 从流行的编辑器架构聊聊 Web 富文本编辑器的困境