有道云笔记跨平台富文本编辑器的技术演进

使用过有道云笔记的读者会发现，该App在windows、Mac OS、桌面浏览器（webkit内核）、iOS、Android等终端提供了富文本编辑能力。在不同终端实现基本一致的编辑能力，这是如何做到的呢？

跨平台架构设计

这必须从有道云笔记的富文本编辑器的基本架构说起。

有道云笔记编辑器使用了前端技术构建编辑器的核心，并运行在特定的宿主环境——Native App提供的浏览器环境——中。在不同平台，浏览器环境不一样，以下是有道云笔记在不同平台中使用的浏览器环境。

平台	宿主环境	备注
Windows	CEF
Mac os	WebView
桌面浏览器	浏览器自身	仅支持webkit内核
iOS	UIWebView	亦可使用 WKWebView (iOS 8+)
Android	CrossWalk（Android 4.0+） WebView（Android 7.0+）

在Windows 平台的客户端中，有道云笔记使用了CEF（Chromium Embedded FrameWork）提供浏览器环境。CEF是一个由Marshall Greenblatt在2008建立的开源项目，基于Chromium的内核，跨Windows/Mac/Linux桌面平台，性能好，支持HTML5/CSS3 等新特性。

在Android 4.0+ 中，有道云笔记使用了CrossWalk提供浏览器环境。CrossWalk 是 Intel 公司的一个开源项目， 目的是为Android 4.0+ 系统提供一个一致的性能强劲的WebView。由于随着Android 系统不断的更新迭代，系统自带WebView已使用Chromium内核， CrossWalk的优势在高版本的Android 中不明显。目前，Intel 已声明不再维护该项目。故在Android 7.0+ 中使用了系统自带的WebView。

虽然内嵌CEF， CrossWalk能够提供性能更好特性更丰富的浏览器环境，但程序安装包大小会增加20M左右。因此， iOS/Mac 平台由于系统自带的WebView 满足要求，故使用系统自带的WebView。

为什么采用Native App + 宿主环境（浏览器/WebView）+ 前端技术的方式来构建编辑器呢？这是因为

• HTML+CSS 特性丰富，布局灵活，适合展现文本，图片等富文本内容。
• 浏览器的contenteditable特性支持富文本的编辑，适合开发编辑器。
• 可跨平台开发，不同平台编辑器的核心代码基本可以复用，降低开发成本。
• Native App 具有更高的权限，当HTML+CSS+JavaScript能力受限时，可由Native App 提供接口来补充。

有道云笔记编辑器的迭代

宿主环境（浏览器/WebView）的挑选为编辑器提供了良好的运行环境，而编辑器的好坏取决于如何设计与实现编辑器。在发展过程中，有道云笔记共自研发了三代编辑器，每一代的设计与实现各不相同。

编辑器	持久存储层	编辑时
数据层	视图层	是否依赖WebView的特性
第一代	HTML	HTML/DOM 树	无特殊依赖
第二代	HTML	HTML/DOM 树	contenteditable
第三代	XML	Note/Block	NoteView/BlockView	不依赖contenteditable

第一代编辑器

在有道云笔记发展早期（2012年左右），由于当时Android自带的WebView不支持 contenteditable特性且无CrossWalk这类的项目，故无法基于contenteditable实现富文本编辑功能，不得不采用了类似普通网页的交互形式来实现简单的文本编辑。

WebView渲染内容（HTML），当用户点击在渲染视图上时，点击处的 HTML元素会将其innerText发给 Native App，然后Native App 调用系统原生控件进行纯文本编辑。待编辑完成后，Native App将编辑后的文本发给编辑器，编辑器更新视图。

该版本编辑器实现非常简单，仅支持文本编辑，无法支持修改文本格式等功能。

第二代编辑器

第二代编辑器的利用了浏览器的contenteditable的特性——这是主流web富文本编辑器采用的技术，比如国外的CKEditor、TinyMCE，国内的UEditor、KindEditor。

浏览器的contenteditable特性为富文本编辑提供了较为强大的功能，document.execComamnd API提供了较多的命令，支持文本编辑，格式编辑，插入超链接/图片。但不同浏览器编辑功能的实现有差异，且存在bug；再者，有些编辑命令未必符合产品需求，因此，不可避免的需要自实现部分（或全部）编辑命令。

采用这一技术的编辑器特点是：

• 依赖浏览器的contenteditable的特性
• 特性丰富，性能较好，功能较为强大
• 操作的数据是HTML/DOM树，数据与视图没有分离，都是同一份内存数据
• 对HTML的兼容性好
• 命令执行依赖浏览器document.execCommand API，虽然自实现部分或者全部命令，但依然存在难于解决的bug， 也不便于实现协同编辑、类似Word分页等功能。

第三代编辑器

因此，在2015年，编辑器团队对编辑器进行重新思考与定位，开始了第三代编辑器的探索。

不同于前两代编辑器，第三代编辑器在存储层采用了XML对数据及格式进行严格定义。编辑器运行时，将XML转换成JavaScript对象表示的数据层。视图层与数据层进行了分离，负责视图渲染及交互输入。

第三代编辑器不再依赖浏览器的contenteditable特性，命令执行不再依赖document.execCommand API。数据、选区(Range/Selection)、编辑命令、视图渲染等所有组件完全由编辑器自己定义和实现——这使得编辑器更加可控，但也导致编辑器更复杂，增加了开发的难度和成本。

基于contenteditable 的编辑器实现

基于contenteditable的第二代编辑器主要有以下几个核心：

1. Range/Selection
2. document.execCommand
3. undo/redo
4. 内容过滤
5. 与Native App的通信

Range/Selection

无论是基于contenteditable还是超越contenteditable的编辑器都会有Range的概念。Range 翻译过来是范围，幅度的意思，与数学上的概念——区间——类似。在objective 中有NSRange的概念，常用来描述字符串的中一段连续的范围。

类似的，浏览器提供的Range 用来描述DOM树中的一段连续的范围。startContainer， startOffset描述Range的起始处，endContainer， endOffset描述Range的结尾处。当一个Range的起始处和结尾处是同一个位置时，该Range就处于collapsed状态。当给一段文本进行操作（比如加粗）时，必须使用Range来描述这段文本。

Selection（选区）管理整个页面当前的Range及Range的绘制。当Selection中的Range处于collapsed状态时，即是日常所说的光标。光标其实是Selection的一种特殊状态。

在有道云笔记编辑器中，由于只兼容webkit内核的浏览器环境，故不存在Range/Selection的兼容性问题。

document.execCommand

编辑器使用Range/Selection选定内容，使用document.execCommand来对选定的内容进行编辑修改。

bool = document.execCommand(aCommandName, aShowDefaultUI, aValueArgument)

如需要对选定内容设置为红色，只需要执行document.execCommand("foreColor", false, "red")即可。

浏览器原生的命令

• 未必符合产品需求，如fontSize命令只能传入 1-7 的参数，无法传入类似10px这样的参数。
• 本身实现有bug

因此，编辑器需要复写部分或全部命令，新增命令以及管理命令，提供类似document.execCommand的editor.execCommand接口。

undo/redo

使用document.execCommand对内容修改时，浏览器内部会对该contenteditable区域维护一个undo/redo栈，使得每一个修改行为可以撤销和重做。

如果一旦使用了document.execCommand之外的DOM API修改内容，就会破坏undo/redo栈的连续性，导致撤销和重做出错或失效。比如，使用jQuery查找一个元素，其Sizzler引擎在查找过程中可能会对HTML元素添加属性，并在查找完成后删除新添加属性。在该过程中，Sizzler使用了DOM API操作添加和删除属性，会导致浏览器内部的undo/redo出错。

在复写或新增命令时，不可避免地会使用DOM API操作内容，破坏浏览器内部的undo/redo管理，因此，编辑器必须自身实现undo/redo。

通常，基于contenteditable的编辑器使用打标记(Marker)的方式来实现undo/redo。在有道云笔记的编辑器中，由于没有复写全部的命令，难于使用打标记的方式，故另辟蹊径——使用HTML内容与Range快照的方式来实现undo/redo。

要实现HTML内容与Range快照，就必须实现HTML内容与Range的序列化和反序列化。其中值得注意的一点是，Range无法单独序列化和反序列化，必须与HTML内容绑定在一起。

内容修改是通过执行命令完成的，一个或者多个命令的执行过程可以抽象成一个Operation，每个Operation对象会持有:

• snapshotBefore：修改前的HTML内容与Range快照
• snapshotAfter: 修改后的HTML内容与Range快照

当执行修改动作后，Operation被压入undo栈。执行undo时，Operation从undo栈弹出，然后snapshotBefore被恢复到编辑器中，最后Operation被压入redo栈。执行redo时，Operation从redo栈弹出，snapshotAfter被恢复到编辑器中，最后Operation压入undo栈。

HTML内容与Range每次快照都存储整篇笔记，占用的内存较大。因此，内存中只保留有限个Operation——这限制了撤销和重做的次数。在PC/Mac/iOS/Android平台，Native App 可以提供持久化存储接口。因此，可以将超出个数限制的Operation序列化，通过Native App提供的接口保存到持久化存储层。当内存中的Operation个数不够时，从持久化存储层中获取数据，反序列化成Operation，并放入undo栈中。通过这种方式，可以突破内存大小的限制，实现无限次撤销与重做，尤其适合对App内存大小有严格限制的移动端。

内容过滤

由于HTML特性丰富，灵活多变，因此需要对输入的HTML内容供进行过滤处理。粘贴过来的内容，需要特殊处理，尤其是从Word，Excel粘贴过来的内容。

对HTML过滤有两种方式:

• 使用正则表达式对HTML字符串进行过滤
• 将HTML字符串解析成DOM树后进行过滤

其中，将HTML字符串解析成DOM树时，应当使用DOMParser API， 而不是简单地将HTML赋给临时元素的innerHTML。使用DOMParser API 的主要好处是:

• 防止<script/>标签的执行，避免XSS攻击
• 防止图片等资源的自动加载

以上两种方式可以综合起来，灵活运用。

HTML的过滤机制有两种:

• 白名单
• 黑名单

推荐使用白名单机制对HTML内容进行系统严格地过滤，对可接收的标签，属性，样式都严格限制。

与 Native App的通信

无论在哪个平台，编辑器都需要与对应的Native App进行通信。编辑器提供setContent/getContent等接口供Native App调用，Native App 则提供requestImageThumb， requestInsertImage等接口供编辑器调用。与Web App相比，Native App有更好的性能和可靠性，可访问各种设备，如持久存储、相册相机、震动器。Native App提供的接口极大丰富了编辑器的能力，能够实现无限次撤销重做、插入图片/视频、图像纠偏、手写笔记等功能。

超越 contenteditable 的编辑器实现

由于基于浏览器contenteditable特性实现的编辑器存在无法根除的bug，难于实现协同编辑、类似Word的分页等功能，有道云笔记编辑器团队重新思考与设计编辑器，开发了第三代编辑器。

与第二代相比，第三代编辑器的主要特点是：

• 使用XML严格定义了数据
• 编辑时，数据层与视图层分离
• 不依赖浏览器原生的Range/Selection，自实现NoteRange/NoteSelection及其绘制
• 不依赖contenteditable特性，使用中间层对接输入法
• 不依赖document.execCommand， 自实现全部命令及命令的管理
• 细粒度的undo/redo，占用更少的内存
• 更加可控，扩展性更强，有利于实现协同编辑、类Word分页等功能

XML定义数据

HTML特性丰富，灵活多变，不利于严格定义数据，而JSON又缺少描述文档结构的定义。XML适合用来结构化文档和数据，适应性强且通用——不但能够被浏览器支持，而且在其他端得到了广泛的应用和支持。在定义数据结构时，可以使用XML Schema描述XML文档结构。

比如在有道云笔记中，一个段落被抽象成paragraph标签，其下有以下子标签:

• text: 表示段落中的文本数据
• inline-styles: 表示段落中的文本的格式，比如字体， 字号， 颜色， 背景色

• styles: 表示整个段落的格式，比如行高， 缩进

比如，上图所示的带格式文本，使用XML可描述为：

<paragraph>
    <text>Think Diffent</text>
    <inline-styles>
        <bold>
            <from>6</from>
            <to>13</to>
            <value>true</value>
        </bold>
        <italic>
            <from>0</from>
            <to>5</to>
            <value>true</value>
        </italic>
        <font-size>
            <from>0</from>
            <to>5</to>
            <value>22</value>
        </font-size>
        <font-size>
            <from>6</from>
            <to>13</to>
            <value>12</value>
        </font-size>
        <color>
            <from>0</from>
            <to>5</to>
            <value>#f77567</value>
        </color>
        <back-color>
            <from>0</from>
            <to>5</to>
            <value>#daeef4</value>
        </back-color>
        <back-color>
            <from>6</from>
            <to>13</to>
            <value>#ffffff</value>
        </back-color>
    </inline-styles>
    <styles>
        <align>center</align>
        <line-height>1.5</line-height>
    </styles>
</paragraph>

众所周知， 树状数据不如线性数据好处理. HTM是树状结构的，且无深度限制——div标签几乎可无限制嵌套div——非常不利于编辑器操作数据。因此，在XML定义的文档数据中，类似paragraph这样的块级标签不能相互嵌套，而text， inline-styles等行内标签的嵌套也有严格定义。

数据层

运行时，第二代编辑器操作的数据和展现给用户的视图使用的是同一份HTML/DOM。通过对 Etherpad Lite，Quip，Google Doc 等产品的调研与分析，第三代编辑器重新设计了运行时的数据层。所有数据可以分为块状(Block) 和 行内(Inline)数据， 笔记内容由若干个块数据(Block)组成， 每个块数据(Block)由行内(Inline)数据组成——这与XML定义存储层时的逻辑一致。

在运行时， paragraph标签会被转化成Block的子类Paragraph 对象。行内数据 text 和 inline-styles 则转化成一个RichText 对象， RichText 由若干个RichChar 组成。而styles标签则会被转化成blockStyles对象。Paragraph 负责整个段落，管理RichText和blockStyles对象。

一篇笔记中有不同类型的Block，如列表（ListItem），图片（Image），附件（Attachment），表格（Table），未知类型（Unknown）。其中，未知类型（Unknown）比较特殊，用于兼容未来新增的Block定义。笔记中的所有Block存放在一个数组中，该数组由Note对象管理。Note对象提供一些方法以支持Block的获取及增删改。

NoteRange/NoteSelection

Range是用来描述数据范围的，由于数据层中不同类型的Block数据结构不一样，因此需要不用类型的BlockRange来描述数据范围。

比如，ParagraphRange描述Paragraph数据范围，具有以下属性：

• block：指向Block子类Paragraph的实例
• start：数据范围的起始
• end：数据范围的结尾

ImageRange描述Image的数据范围，则具有以下属性：

• block: 指向Block子类Image的实例
• rangeType：枚举常量，可取的值为ImageRange.START（图片左侧），ImageRange.END （图片右侧），ImageRange.ALL （选取图片）。

整个笔记的数据范围则用NoteRange来描述，其具有两个属性:

• startBlockRange: BlockRange类型，笔记数据范围的起始处。
• endBlockRange: BlockRange类型，笔记数据范围的结尾处。

NoteSelection负责管理当前的NoteRange，NoteSelectionView负责绘制NoteSelection。

视图层

在第三代编辑器中，视图层与数据层进行了分离。BlockView对象负责数据层Block对象的渲染和交互，不同的Block类型对应不同的BlockView，比如ParagraphView负责Paragraph，ImageView负责Image。

在BlockView 之上存在NoteView， NoteView负责管理所有的BlockView， 以及BlockView级别上无法处理的交互。

除了NoteView外， NoteSelectionView也是视图层的一部分。NoteSelectionView是一个绝对定位的半透明层，悬浮在NoteView上方。在计算NoteSelection的位置信息时，会调用在选区中的每个BlockView的getClientRectsForRange 方法以获取一组ClientRect，NoteSelectionView 根据这些ClientRect即可绘制出选区。值得注意的是，NoteSelectionView需要将其CSS pointer-events属性设置为none以禁止其接收鼠标点击等任何用户交互。

一个完整的编辑器一般会提供工具栏，编辑器需要给工具栏提供命令状态查询接口。

综上， 编辑器存储层、数据层、视图层的关系如下：

输入法对接

由于抛弃了contenteditable特性，编辑器无法使用系统默认光标/选区来支持输入法的输入，但真实的光标/选区又必须存在，浏览器才能接收到输入法的输入，该如何处理呢？

业界普遍采用的方式是将真实的光标/选区放置在一个用户不可见的<input/>元素或者<textarea/>元素中。<input/>或<textarea/>元素监听keydown，textInput，compositionstart/compositionupdate /compositionend，copy/cut/paste等键盘、输入法、剪贴板相关事件。

在第三代编辑器中，使用不可见的<textarea/>元素，并由HiddenInputView组件负责管理。HiddenInputView会将来自<textarea/>元素的事件稍加整理，然后交与整个编辑器的控制器Controller处理。

命令及其管理

当控制器Controller接收到键盘按键、输入法、剪贴板等相关事件时，会执行对应的命令（Command）。

编辑器不能直接去修改数据层的Note/Block，必须通过执行命令（Command）的方式间接修改数据。任何修改操作行为都必须抽象成命令（Command），每个命令都必须实现 doApply，undoApply，redoApply方法，以便于整个编辑器实现撤销和重做功能。

比如，当我们将选中文字加粗时，会将执行SetInlineStyle命令。其doApply方法优先调用数据层Block的get方法获取将要被修改的格式，并将这些格式数据备份，然后调用Block的set方法设置加粗格式。当undo时，undoApply方法将调用Block的set方法设置成之前备份的格式。执行redo时，redoApply方法将调用Block的set方法设置加粗格式。

当Block的set方法被调用时，Block会通知对应的BlockView。BlockView收到数据发生变化通知后，随即局部更新视图或者全部重新渲染。也就是说，视图更新的粒度控制在Block/BlockView级别；被修改的Block对应的BlockView更新视图即可，不需要更新整个NoteView视图。

每个命令（Command）的除了会接受操作参数（如加粗）外，还会接收一个参数startNoteRange——描述被修改的数据的范围。命令的doApply方法会计算endNoteRange——命令执行完毕后的选区。当执行doApply，redoApply方法时，编辑器会将endNoteRange设置给NoteSelection；执行undoApply方法时，编辑器会将startNoteRange设置给NoteSelection。当NoteSelection发生变化时，通知NoteSelectionView重新渲染。

细粒度的undo/redo

命令（Command）之间可以相互嵌套，不被其他命令嵌套的命令被称为顶层命令，一个编辑操作可以抽象成一个顶层命令。

当执行编辑操作时，顶层命令执行doApply方法，然后被压入undo栈；执行撤销时，顶层命令从undo栈弹出，执行undoApply方法，然后被压入redo栈；执行重做时，顶层命令从redo栈弹出，执行redoApply方法，再次被压入undo栈。因此，整个编辑器的撤销和重做的粒度控制在命令级别上。

直接调用Note/Block的方法修改数据的命令，仅会备份被修改部分的格式或数据；不直接修改数据的命令，不会备份格式或数据。因此，与第二代编辑器采用快照方式实现undo/reodo相比，第三代编辑器实现undo/redo占用的内存更少。

协同编辑

当协同编辑时，命令（Command） 会被序列化， 上传给协同服务器；协同服务器接收到来自客户端的命令后，不对命令进行处理，直接将命令分发给其他客户端。客户端接收到来自协同服务器的命令后，对命令反序列化，进行冲突处理后，重新构建命令。重新构建的命令会被执行，并产生endNoteRange——即远端用户编辑的位置。该endNoteRange会被NoteSelectionView渲染，当前用户即可看到远端协同用户编辑的位置。

目前，实现协同编辑最好的技术是操作变换(Operation Transformation)，但实现比较困难。因此，有道云笔记编辑器的协同没有采用操作变换的技术。

总结

基于浏览器的富文本编辑器一般利用了contenteditable特性，同时也被该特性束缚住，难逃离其窠臼。有道云笔记编辑器团队历时数年，不断迭代，抛弃了contenteditable特性，自实现了所有组件——这给编辑器插上了翅膀，让其翱翔在自由的天空。

本文来自网易实践者社区，经作者付云贵授权发布。