跨框架解决方案-Mitosis【简述与原理】

在这里插入图片描述

什么是mitosis?为什么使用mitosis?

如果团队使用了多种前端框架去构建前端项目,那么在系统设计和实现的过程中就不可避免地要对组件进行多框架的设计和实现。而mitosis就可以解决这个问题,通过使用mitosis就可以在组件定义一次设计,并应用于其他前端框架中去。编写一次组件,编译到不同的前端框架中去。
mitosis是JSX的一个子集,它支持为许多前端框架生成代码,包括React、Vue、Angular、Slvelte、Solid。

mitosis是怎么工作的?

mitosis使用JSX的静态子集,收到Solid的启发,意思就是我们可以将其解析为一个简单的JSON结构,然后轻松构建针对各种框架和实现的序列化器。简单来说,就是将 mitosis 代码转义为 JSON,接下来 mitosis 通过解析这份 JSON 文件生成其他不同平台的代码比如:

export function MyComponent() {
  const state = useStore({
    name: 'Steve',
  });

  return (
    <div>
      <input value={state.name} onChange={(event) => (state.name = event.target.value)} />
    </div>
  );
}

上述mitosis代码将转义为:

{
  "@type": "@builder.io/mitosis/component",
  "state": {
    "name": "Steve"
  },
  "nodes": [
    {
      "@type": "@builder.io/mitosis/node",
      "name": "div",
      "children": [
        {
          "@type": "@builder.io/mitosis/node",
          "bindings": {
            "value": "state.name",
            "onChange": "state.name = event.target.value"
          }
        }
      ]
    }
  ]
}

然后就可以解析上面的JSON重新序列化到许多语言和框架中去。例如,为了支持Angular,我们只需要创建一个序列化器来遍历JSON并生成:

@Component({
  template: `
    <div>
      <input [value]="name" (change)="name = $event.target.value" />
    </div>
  `,
})
class MyComponent {
  name = 'Steve';
}

通过插件系统添加框架支持非常容易。mitosis支持对生成代码进行设置,以匹配你的格式、库等。这些输出选项很快就可以通过插件进行自定义和扩展。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
这段代码的功能是从UCI机器学习数据库中读取乳腺癌数据集并进行训练和验证。 - `loc<-"http://archive.ics.uci.edu/ml/machine-learning-databases/"`:将数据集所在的基础地址存储在`loc`变量中。 - `ds<-"breast-cancer-wisconsin/breast-cancer-wisconsin.data"`:将数据集所在的相对地址存储在`ds`变量中。 - `url<-paste(loc,ds,sep="")`:将`loc`和`ds`合并成完整的URL,并存储在`url`变量中。 - `breast<-read.table(url,sep=",",header=FALSE, na.strings="?")`:使用`read.table()`函数读取`url`中的数据集。参数`sep`指定分隔符为逗号,`header`指定数据集没有标题行,`na.strings`指定缺失值为问号"?"。读取的数据集存储在`breast`变量中。 - `names(breast)<-c("ID","clumpThickness","sizeUniformity","shapeUniformity", "maginalAdhesion","singleepithelialcellsize","barenuclei", "blandchromation","normanucleoli","mitosis","class")`:给数据集的列(变量)命名。 - `df<-breast[-1]`:将数据集的第一列ID删除,存储在`df`变量中。 - `df$class<-factor(df$class,levels=c(2,4),labels=c("benign","malignant"))`:将数据集中的`class`变量(诊断结果)转换为因子型变量,并使用`levels`和`labels`参数将2转换为"benign",将4转换为"malignant"。 - `set.seed(1234)`:使用`set.seed()`函数设置随机数种子,以便结果可复现。 - `train<-sample(nrow(df),0.7*nrow(df))`:使用`sample()`函数生成一个随机样本序列,从`df`中选择70%的行,并存储在`train`变量中。 - `df.train<-df[train,]`:将`train`中的行作为训练集,从`df`中选择对应的行,并存储在`df.train`变量中。 - `df.vaalidate<-df[-train,]`:将不在`train`中的行作为验证集,从`df`中选择对应的行,并存储在`df.vaalidate`变量中。 - `table(df.train$class)`和`table(df.vaalidate$class)`:使用`table()`函数统计训练集和验证集中各类别的样本数量,并输出结果。

“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
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