-
不能。CanvasAPI本身不支持直接读取本地图片文件，必须通过FileReader或URL.createObjectURL()先加载为img元素再绘制；裁剪缩放依赖drawImage多参数重载；滤镜需手动像素操作，性能差，推荐OffscreenCanvas或WebAssembly加速。
-
“背景色渐变填充”实为background-position位移模拟，需用双色相同线性渐变、background-size:200%100%及background-position过渡；纯色过渡则须显式声明初始background-color并仅transition该属性。
-
transition与grid布局可通过transform和opacity实现平滑动画，避免使用grid-template-columns等不可过渡属性。1.使用transform对grid项进行缩放、位移等视觉变化；2.结合class切换控制布局变更时的淡入淡出或移动效果；3.注意仅支持transition的属性如width、height、margin、padding在特定条件下可动画；4.推荐用opacity和transform提升性能，复杂场景结合JS动画库。主流浏览器兼容性良好，但需规避无效属性动
-
screen-spanning媒体查询不可靠，不应作为唯一判断依据；它仅在Chrome119+/Edge97+支持，Safari/Firefox不支持，且依赖真实双屏硬件与系统跨屏渲染模式，易因缩放、iframe或厂商屏蔽而失效。
-
ChromeDevTools的display面板需手动开启Layout侧边栏（右键标签栏勾选），仅在Elements面板选中元素后生效；CSS-in-JS样式可能不被识别，需查Styles面板；outline不占布局空间适合临时标记，border触发重排但反映真实盒模型；getBoundingClientRect()返回视觉位置，但受合成层、包含块影响；CSS自定义属性修改需作用于正确作用域（如:root）才全局生效。
-
装饰器是运行时函数劫持，非语法糖；它通过修改Object.defineProperty行为重写类成员描述符，在类定义完成时执行，不支持普通函数声明，需编译支持且多装饰器自下而上覆盖。
-
变量提升指声明被提前至作用域顶部，但仅声明被提升、赋值不提升；var声明访问未初始化变量得undefined，let/const因TDZ抛ReferenceError；函数声明全提升可前置调用，函数表达式仅变量名提升。
-
CSScontent属性中中文必须用\XXXX转义，不能直接写或用\uXXXX；因CSS规范只支持十六进制Unicode转义且不依赖文件编码，外链CSS等场景下\5e74是唯一跨环境稳定写法。
-
overflow-x:scroll无反应最常见的原因是父容器未设固定宽度或子元素未实际溢出；需确保父容器有width/max-width且子元素总宽大于父宽，同时设置overflow-y:hidden防纵向干扰，iOS需加-webkit-overflow-scrolling:touch和touch-action:pan-x，Firefox不支持::-webkit-scrollbar伪类。
-
HTML表格最初用于展示数据，早期被滥用作布局工具，通过tr和td实现对齐，虽兼容性好但存在语义错误、代码臃肿、响应式差、无障碍问题及加载慢等局限，现代开发应使用CSSFlexbox、Grid或响应式设计替代，确保语义化、可维护性和用户体验。
-
因为CSS变量需在真实DOM元素的style属性中声明才能被子元素继承，而HOC若未将变量写入容器DOM节点（如用Fragment或未挂载style），变量便无法进入DOM树。
-
charAt()是ECMAScript3标准方法，IE6–8等旧环境原生支持，而str[i]在其中返回undefined或报错；其对负数或越界索引均统一返回空字符串""，语义明确、行为稳定。
-
本地CSS加载更快但需维护路径和构建流程，远程CSS依赖网络却可复用CDN缓存；生产环境优先本地化第三方样式，仅当资源极稳定、多站共用且配置好CSP与fallback时才考虑远程引入。
-
TypeScript不是唯一解，JSDoc配合checkJs:true可在不改代码、不引入编译链路的前提下启用类型检查；适用遗留项目、脚本与CI校验，关键标签为@param@returns@type@typedef@template@extends。
-
TensorFlow.js是Google推出的JavaScript库，支持在浏览器或Node.js中训练和部署机器学习模型。它基于WebGL加速张量运算，可加载预训练模型（如MobileNet用于图像分类）或从零构建神经网络，适用于实时交互、隐私敏感任务和轻量级AI部署。通过tf.loadLayersModel加载模型、tf.browser.fromPixels处理图像、model.predict获取结果，实现前端智能化。也可用tf.sequential定义模型，编译优化器与损失函数后调用fit训练线性回
