vite构建Vue3项目:封装公共组件,发布npm包,自定义组件库

文章目录


前言

使用vue开发组件封装是一个很普遍的事情了,封装好一个组件可以在项目的任意地方去使用,我们还可以从npm仓库下载别人封装的组件进行使用,比如element-ui,vant,antd,echarts等组件库,但是由于不同的公司,不同的网站风格,是我们在开发中还是得自己封装自己的组件,要想在不同项目上使用自己封装的组件,不可能去旧项目复制组件代码到新的项目里面去。所以我们可以将组件上传到npm仓库,使用的时候直接从npm安装使用。


一、创建基础的vite 脚手架

npm create vite  vite-demo(项目名称) --template vue 
  •   下载依赖:npm i
  •    启动项目:npm run dev

二、文件结构

  • 在根目录下新建一个packages文件夹,文件夹下的分别是zd-vin(自定义名称)和index.js。packages的主要作用就是放我们的公共组件,后续导出的,index.js内将导入zd-vin下的全部组件。

三、编写组件代码,本地测试

  • 在zd-vin文件夹下创建你的第一个组件(zd-Button.vue)
  • <script setup>
    /**
     * 接收传过来的值
     *
     * @param size 定义按钮的大小 可选值为 'large' | 'middle' | 'small' | 'mini'
     * @param type 定义按钮的类型 默认不填
     */
    defineProps({
      size: {
        type: String,
        default: "middle",
      },
      type: {
        type: String,
        default: "default",
      },
    });
    </script>
    <script>
    export default {
      name: "zd-Button",
    };
    </script>
    
    <template>
      <button class="muk-btn" :class="[size, type]">
        <!-- 定义插槽用于让用户自定义按钮你们的内容 -->
        <slot></slot>
      </button>
    </template>
    
    <style scoped lang="less">
    .muk-btn {
      appearance: none;
      border: none;
      outline: none;
      background: #fff;
      text-align: center;
      border: 1px solid transparent;
      border-radius: 4px;
      cursor: pointer;
    }
    
    .large {
      width: 240px;
      height: 50px;
      font-size: 16px;
    }
    
    .moddle {
      width: 180px;
      height: 50px;
      font-size: 16px;
    }
    
    .small {
      width: 100px;
      height: 32px;
    }
    
    .mini {
      width: 60px;
      height: 32px;
    }
    
    .default {
      border-color: #e4e4e4;
      color: #666;
    }
    
    .primary {
      border-color: skyblue;
      background: skyblue;
      color: #fff;
    }
    
    .plain {
      border-color: skyblue;
      color: skyblue;
      background: lighten(skyblue, 50%);
    }
    
    .gray {
      border-color: #ccc;
      background: #ccc;
      color: #fff;
    }
    </style>
    

    在package文件下新建index.js用于导出组件

  • import { defineAsyncComponent } from "vue";
    
    const components = import.meta.glob("./zd-vin/*.vue");
    const registerGlobalComponent = (app) => {
      for (const [key, value] of Object.entries(components)) {
        const name = key.slice(key.lastIndexOf("/") + 1, key.lastIndexOf("."));
        app.component(name, defineAsyncComponent(value));
      }
    };
    
    export default registerGlobalComponent;
  •  本地测试
    src\main.js注册组件
    import { createApp } from "vue";
    import App from "./App.vue";
    import registerGlobalComponent from "../packages/index";
    
    const app = createApp(App);
    registerGlobalComponent(app);
    app.mount("#app");
  • src\App.vue里面去使用按钮
    <template>
      <zd-Button size="small" type="primary">我的按钮</zd-Button>
    </template>
     

四、配置项

  • 在项目的根目录的vite.config.js修改相关配置,修改成组件库打包模式,
    import { defineConfig } from "vite";
    import vue from "@vitejs/plugin-vue";
    import path from "path";
    
    // https://vite.dev/config/
    export default defineConfig({
      plugins: [vue()],
      build: {
        outDir: "zd-vin-package", //输出文件名称
        lib: {
          entry: "./packages/index.js", //指定组件编译入口文件
          name: "zd-vin-package",
          fileName: "zd-vin-package",
        }, //库编译模式配置
        rollupOptions: {
          // 确保外部化处理那些你不想打包进库的依赖
          external: ["vue"],
          output: {
            // 在 UMD 构建模式下为这些外部化的依赖提供一个全局变量
            globals: {
              vue: "Vue",
            },
          },
        }, // rollup打包配置
      },
    });

五、打包npm发布

  • 在终端使用npm run build 如下图所示出现以下文件就打包成功了
  • 发布前还需要做一下准备?

  1. 配置package.json

    首先我们在打包好的zd-vin-package目录下,打开终端,然后执行npm init -y命令初始化package.json

  2. 配置内容

    {
      "name": "zd-vin-package",   //组件库名称
      "private": false,       
      "version": "1.0.0",       //版本号
      "description": "我创建的第一个组件库", //描述
      "main": "zd-vin-package.js",
      "scripts": {
        "test": "echo \"Error: no test specified\" && exit 1"
      },
      //keywords 用来npm 库搜索关键词
      "keywords": [
        "zd",
        "zd-vin",
        "ZD",
        "ZD-VIN",
        "zd-vin-package"
      ],
      "author": "",
      "license": "ISC"
    }
  3. 创建npm 账号
    ​​​​​https://www.npmjs.com/   注册完成记得自己的账号,密码,邮箱,后续发布验证需要邮箱!

  4. 设置npm 源 因为之前大部门朋友设置的是淘宝镜像现在需要恢复成npm源

    npm config set registry=https://registry.npmjs.org
    

     5. 在打包好的文件zd-vin-package下命令行输入

npm adduser

添加自己的账号

打开刚刚邮箱输入验证码

 6. 输入:

npm publish --access=public

发布npm (切记:上面的zd-vin-package一定要自定义名称,文件名称重复会导致发布失败)

如果以上命令无法实现可以尝试使用下面的命令:

npm login
npm publish

发布成功后可以去https://www.npmjs.com/ 查看:


                

六、npm下载使用

可以再次通过vite创建一个项目或者直接在已有项目中安装发布的组件

npm install zd-vin-package


import "zd-vin-package/style.css"; //引入组件样式
import ZD from "zd-vin-package"; //引入下载后的组件

const app = createApp(App);
app.use(ZD); //注册

代码中使用

  <zd-Button size="small" type="primary">我的按钮1</zd-Button>

总结

大概就是如此吧!有问题可以评论,私信-----ps写完了,外面雨也下大了;雨一直下,希望大家一切都很融洽~

03-20
### 关于 Fast R-CNN 的框架介绍 Fast R-CNN 是一种用于目标检测的经典深度学习方法,它通过共享卷积特征图的方式显著提高了检测效率[^1]。该模型的核心思想在于利用单次前向传播计算整个图像的卷积特征,并在此基础上提取候选区域(Region of Interest, RoI)进行分类和回归。 #### 主要组成部分 1. **卷积神经网络 (Convolutional Neural Network)** 卷积层负责提取输入图片的空间特征,这些特征被后续模块用来生成感兴趣区域并完成最终预测。 2. **RoI Pooling 层** 这一层的作用是从不同大小的候选框中提取固定尺寸的特征表示,从而使得它们可以适配全连接层的要求。 3. **多任务损失函数** Fast R-CNN 同时优化两个子任务:类别分类和边界框回归。这种联合训练方式能够提升整体性能。 以下是基于 Python 和 PyTorch 实现的一个简单代码示例: ```python import torch from torchvision.models.detection import fasterrcnn_resnet50_fpn from torchvision.transforms.functional import to_tensor # 加载预训练的 Faster R-CNN 模型 model = fasterrcnn_resnet50_fpn(pretrained=True) # 设置为评估模式 model.eval() # 输入一张测试图片 image_path = &#39;test_image.jpg&#39; input_image = Image.open(image_path).convert(&#39;RGB&#39;) input_tensor = to_tensor(input_image).unsqueeze(0) # 转换为张量并增加批次维度 with torch.no_grad(): predictions = model(input_tensor)[0] print(predictions[&#39;boxes&#39;]) # 输出检测到的目标边框坐标 print(predictions[&#39;labels&#39;]) # 输出对应标签 print(predictions[&#39;scores&#39;]) # 输出置信度分数 ``` --- ### 使用教程概述 为了更好地理解和实践 Fast R-CNN,可以从以下几个方面入手: - 学习基础理论知识,括目标检测的概念以及 R-CNN 家族的发展历程。 - 探索开源工具如 Caffe 或 TensorFlow 提供的具体实现细节[^3]。 - 动手尝试官方文档中的例子或者第三方贡献者分享的 Colab 笔记本文件来熟悉操作流程[^4]。 注意,在实际部署过程中可能还需要考虑硬件资源分配等问题;另外随着技术进步,更先进的变体比如 Cascade R-CNN 已经成为研究热点之一。 ---
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