Element Plus 配置自动按需引入后,手动引入组件,组件样式丢失

起因

最近在尝试使用 Element Plus 写一些简单的页面,跟着官方文档走配置了自动按需引入:

npm install -D unplugin-vue-components unplugin-auto-import
// vite.config.ts
import { defineConfig } from 'vite'
import AutoImport from 'unplugin-auto-import/vite'
import Components from 'unplugin-vue-components/vite'
import { ElementPlusResolver } from 'unplugin-vue-components/resolvers'

export default defineConfig({
  // ...
  plugins: [
    // ...
    AutoImport({
      resolvers: [ElementPlusResolver()],
    }),
    Components({
      resolvers: [ElementPlusResolver()],
    }),
  ],
})

官网文档链接

我使用到了一个 ElTree 组件,把官方实例代码拷过来后,怎么看都跟官网文档上的样式不一样。F12一看,对应的html标签里有类名,但是在style里面却找不到类名对应的样式。于是尝试手动引入组件样式

import 'element-plus/es/components/tree/style/css'

但是这样做却也是无济于事

在网上一顿搜索也没找到解决办法,甚至连样式丢失的原因也找不到,真是见鬼。

无意间的发现

偶然间,我把代码里面的一个import给注释掉了:

// import { ElTree } from "element-plus";

神奇的是样式居然恢复正常了,F12,style里面也能找到对应的样式了,我才意识到可能是配置自动按需引入后,再手动引入组件会导致冲突,看来自动按需引入插件还不够完善。

上面的手动引入是因为代码中要使用组件的模板引用,给ref做类型标注用的:

const treeRef = ref<InstanceType<typeof ElTree>>()

将上面的手动引入去掉后虽然丢失的样式回来了并且编译也不会报错,但是vscode老是标红,代码提示也没了,看着很难受。

解决办法

如果你不在意vscode报错,大可直接去掉手动组件import,可以正常编译运行。但是像我这样的强迫症患者实在没法接受。

为了使组件自动按需引入和手动引入共存,我想到了一个办法,使用一个ts文件作为中转,例如:

// types.ts
import { ElSelect, ElTree } from "element-plus";

export type ElTreeType = InstanceType<typeof ElTree>;
export type ElSelectType = InstanceType<typeof ElSelect>;

然后直接在.vue文件里面直接导入所需要的组件type即可。

  • 3
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
【资源说明】 python开发基于Opencv的CCM神经分割半自动标注工具源码+项目使用说明.zip 1.准备数据集 在./sample文件夹中存放了一些CCM的图像,大小为384x484,其中感兴趣的区域为384x384。 2.边缘检测 ```python from qqlabel import EdgeDetect detection = EdgeDetect(f'./sample/image_0.jpg') detection.detect() detection.show() ``` - 导入EdgeDetect类并在实例化时传入图片路径。 - 使用detect方法执行边缘检测 - 使用show方法展示识别结果 3.转换标注格式 ```python from qqlabel import EdgeDetect, Convert detection = EdgeDetect(f'./sample/image_0.jpg') detection.detect() detection.save(f'./results/image/result_0.png') data = detection.output() convert = Convert(data) convert.create() convert.save(f'./results/json/result_0.json') ``` - 使用detect对象的save方法储存轮廓检测后的图片 - 使用output方法输出用于转换标注的数据 - 导入Convert类并在实例化时传入output输出的数据 - 使用create方法创建并完成用于标注的数据格式 - 使用convert对象的save方法储存Labelme可打开的json文件。 4.手动修正 使用Labelme打开输出的json文件并且手动修正。 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用! 2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载使用,也适合小白学习进阶,当然也可作为毕设项目、课程设计、作业、项目初期立项演示等。 3、如果基础还行,也可在此代码基础上进行修改,以实现其他功能,也可直接用于毕设、课设、作业等。 欢迎下载,沟通交流,互相学习,共同进步!
使用PythonOpenCV进行实时物体识别,可以按照以下步骤进行: 1. 安装PythonOpenCV:首先,确保已经成功安装了PythonOpenCV库。可以使用pip工具通过终端或命令提示符运行以下命令来安装OpenCV:pip install opencv-python 2. 引入所需库:在Python脚本的开头,导入必要的库。这包括cv2和numpy。代码示例:import cv2 import numpy as np 3. 读取视频输入:使用cv2.VideoCapture函数来读取视频输入。代码示例:cap = cv2.VideoCapture(0) # 0表示摄像头 4. 加载物体图像:使用cv2.imread函数加载要识别的物体的图像。代码示例:object_image = cv2.imread("object.jpg") 5. 定义特征提取器:使用OpenCV的ORB(Oriented FAST and Rotated BRIEF)特征提取器来检测物体的关键特征点。代码示例:orb = cv2.ORB_create() 6. 提取关键特征:使用ORB特征提取器来计算物体图像的关键特征和描述符。代码示例:kp_object, des_object = orb.detectAndCompute(object_image, None) 7. 启动循环:使用一个无限循环,来进行连续的实时物体识别。代码示例:while True: 8. 读取实时视频帧:在循环中,使用cap.read()函数来读取每一帧的视频。代码示例:ret, frame = cap.read() 9. 提取当前帧的关键特征和描述符:使用ORB特征提取器来计算当前帧的关键特征和描述符。代码示例:kp_frame, des_frame = orb.detectAndCompute(frame, None) 10. 特征匹配和筛选:使用OpenCV的BFMatcher来进行关键特征的匹配,并筛选出最佳匹配。代码示例:bf = cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck=True) matches = bf.match(des_object, des_frame) matches = sorted(matches, key=lambda x: x.distance) 11. 绘制匹配结果:使用cv2.drawMatches函数,将匹配的关键特征点在图像上进行可视化。代码示例:matched_result = cv2.drawMatches(object_image, kp_object, frame, kp_frame, matches[:10], None, flags=2) 12. 显示结果:使用cv2.imshow函数,将识别结果显示在窗口中。代码示例:cv2.imshow("Result", matched_result) 13. 退出循环:当按下键盘上的任意键时,通过cv2.waitKey函数检测并退出循环。代码示例:if cv2.waitKey(1) & 0xFF == ord('q'): break 14. 释放资源:在结束程序之前,使用cap.release()函数来释放视频输入资源。代码示例:cap.release() 15. 关闭窗口:使用cv2.destroyAllWindows函数来关闭所有的显示窗口。代码示例:cv2.destroyAllWindows() 通过按照上述步骤,就可以实现使用PythonOpenCV进行实时物体识别了。可以根据具体需求,对整个流程进行调整和优化。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值