Vue 重写CNnodejs社区总结2

项目简介

根据CNodejs社区提供的接口地址,用vue2.0重写了一下。用到的主要是vue-cli、vue-router、axios、flex布局

实现功能

个人中心(登录退出)
首页列表(主题分类,下拉加载)
文章详情(包括发表评论,回复评论,点赞,收藏)
用户信息(点击头像)
消息中心(已读、未读)
发布主题(支持markdown编辑且可预览)

项目结构

 

开发流程

主要是在vue-cli的基础上开发,按照接口地址一个一个功能来实现
1 使用vue-cli搭建项目 vue init webpack projectname
2 修改文件结构,在app.vue中引入公共样式文件,如果没有统一下载依赖文件,这里需要下载一些依赖,例如
npm install sass-loader -D
npm install node-sass -D // -D (--save-dev)

项目总结

项目过程中被记录下来的一些点
1.考虑组件结构;引入外部样式时,貌似要在句尾加分号吗;组件命名注意不要和html5的标签重复;渲染一段代码可以用v-html
2.最重要的是src文件夹: 这里面的几个文件夹assets 存放静态文件,比如图片等,说明一下,vue一般是把css写在每个vue中的,components是组件,一个页面可以理解为由很多很多的组件组成的。
app.vue就是主要的页面,可以理解为把这些组件组合起来的文件。
main.js其实是用于组合app.vue 和index.html
3.组件递归调用,自定义指令,日期格式化,解构赋值,使用scss
4.swiper有个高度auto的设置,可以翻页全部后显示底部页脚
5取值的异步问题,虽然能获取值,但是报错未定义,解决方法是在data里面初始化一下
6.检测数组变化,实时渲染页面Vue.set(this.arr, arrEle, !this.arr[arrEle])
7 感觉时间真的很着急,有的功能还没有实现,可能以后再去看吧,左右滑动切换tab,锚点定位,网页icon,编辑器图片上传问题,尝试写一个下拉列表的组件,扫码登录这个不知道能不能实现
8

mounted调用method里面的方法
mounted(){
window.onscroll=()=>{
// console.log('a')
this.setpage()
}
}
this作用域的问题

 

9关于下拉加载更多,对浏览器滚动判断问题
10 锚点定位scrollIntoView,或许应该要写一些demo好好研究一下
11关于生产环境和开发环境接口的问题,想要自动切换接口地址,需要做一些设置
config/dev.env.js和config/prod.env.js 里面进行设置

'use strict'
module.exports = {
NODE_ENV: '"production"',
BASE_API: '"https://www.xxx.com"',
}

后面那个BASE_API的值是' '' '' '外面有个单引号

转载于:https://www.cnblogs.com/louisduan66/p/10834763.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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