VUE,vue-cli项目结构,以及在vue-cli脚手架原始项目框架引入模块

pls-00302: 必须声明 组件_Spring AMQP RabbitAdmin 声明式配置 Spring AMQP RabbitAdmin 声明式配置Spring AMQP 中 比较重要的一个组件 就是 RabbitAdmin , 它封装了关于 声明 Queue ,Exchage , Binding 等等,也可以删除和清空队列数据等等操作,内部是通过RabbitTempate 去发送的请求,调用的还是原生的 amqp-client 的API 操作的,这里面有一定的坑 需要记... 阅读详情

一、项目结构:

初始化一个vue-cli之后,我们可以在目录中看到以下结构。
在这里插入图片描述

app.vue

src下的app.vue是项目的根组件,可以包含其他的子组件。在项目运行时进入的首页即为app.vue。子组件写在src文件夹下的components内。根组件和子组件组成组件树。
在这里插入图片描述

main.js

在这里插入图片描述

mian.js是vue应用的入口文件,可以创建一个新的vue实例并挂载再根节点下。Vue插件也从这里引入。

二、添加引入新模块

1.在components文件夹下新建一个vue文件
在这里插入图片描述
模块内基本组件:

  • template,在里面添加模块可视内容
  • script,使用export default将模块导出
  • style,控制组件样式,建议在后面加一个scoped避免样式影响到其他组件

例子:创建student.vue

<template>
  <div id="student">
    <h3>student list</h3>
    <ul>
      <li v-for="(item, index) in students" :key="index">
        {{ item }}
      </li>
    </ul>
  </div>
</template>
<script>
export default {
  name: "student",
  //定义子组件的name
  data() {
    return {
      students: [
        {
          id: 1,
          name: "lisi",
          age: 12,
        },
        {
          id: 2,
          name: "xiaohong",
          age: 11,
        },
        {
          id: 1,
          name: "zhangsan",
          age: 13,
        },
      ],
    };
  },
  methods: {},
};
</script>
<style scoped>
</style>
    

2.载入模块
回到根组件app.vue内使用import导入创建的子组件

import student from './components/student.vue'

在export default的components中添加子组件名称
在这里插入图片描述- npm run serve启动项目,可以看到我们自己添加的子组件以及在页面上
在这里插入图片描述

vue-cli脚手架项目构建以及按需引入antd 安装vue-cli npm install vue/cli -g 查看vue版本 注意:V要大写 vue -V 如果下载速度太慢,可以使用cnpm淘宝镜像 npm install -g cnpm --registry=https://registry.npm.taobao.org 此时下载出来的应该是2.9.6版本的脚手架 vue项目创建分为两种 vue-cli2 vue init webpack name vue-cli3 vue create name 一.CLI. 阅读详情

相关推荐

Mac 使用CLI脚手架创建 Vue项目、不同版本创建项目的项目结构差异

前端校招精编面试解析大全点击这里即可获取完整版pdf查看非无偿)**前端校招精编面试解析大全点击这里即可获取完整版pdf查看。

disrm84160的博客 923

基于react的audio组件

样式请自己定义哦~需要其他功能请自行添加! // 组件调用 <Audio src={src地址} id={srcID}/> audio属性 src 歌曲的路径 preload 是否在页面加载后立即加载(设置autoplay后无效) controls 显示audio自带的播放控件 loop 音频循环 autoplay 音频加...

weixin_34032827的博客 4456

跨scheme访问Oracle存储过程的问题及解决

最近在因业务需要在Oracle数据库中建立了一个触发器,触发器(位于A scheme)中需要调用另一个scheme(B scheme)下的存储过程。首先在B scheme下就相关的存储过程进行授权,执行语句为 grant execute on PROC_Business to USER_A; 其中PROC_Business为对应的存储过程名称,USER_A 为A scheme的用户名称 ...

mystonelxj的博客 1023

Vue2.5学习笔记(二)深入了解组件

1.组件使用的细节 1.2 子标签内使用组件 假设想在表格便签内使用一个组件作为行,直接使用组件是不行的,原因在于tbody内只能放tr便签,否则浏览器就会将tbody内的标签解析到外面,从而导致结构的错乱。 为了解决这个问题,我们可以使用is特性,将is特性设置为组件名称,这样既保证了tbody和tr之间的层级关系,也使用了组件。 1.2 非根组件的data必须是一个函数 一个组件的 data 选项必须是一个函数,因此每个实例可以维护一份被返回对象的独立的拷贝。 1.3 在Vue中操作DOM:使用ref

Zijeak的博客 4512

STM32外部中断与事件机制深度解析:从硬件触发到软件响应

本文深入解析STM32外部中断与事件机制,从硬件触发到软件响应的完整流程。通过对比中断和事件的应用场景、响应速度及配置方法,帮助开发者优化嵌入式系统设计,特别适合需要低功耗或高实时性的项目。

weixin_29175469的博客 410

4G+GNSS定位模块DX-CT511N-B:AT指令实战与多协议通信指南

本文详细介绍了4G+GNSS定位模块DX-CT511N-B的AT指令实战应用与多协议通信配置。内容涵盖TCP/UDP通信、MQTT协议集成、HTTP服务交互以及GNSS定位功能的深度解析,为开发者提供从基础指令到高级调试的完整指南,助力物联网设备开发。

hope8的博客 289

PLS-00302: component 'PUTLINE' must be declared

SQL&gt; Declare 2 Ldate date; 3 Begin 4 Ldate := '29-SEP-2005'; 5 dbms_output.putline (Ldate); 6 End; 7 / dbms_output.putline (Ldate); *...

javasalatu 710

51单片机超声波测距数码管显示并报警(Proteus 仿真)

HC-SR04超声波 实物图 使用方法 1、给TRIG端口至少10us 的高电平信号 2、模块自动发送 8 个 40khz 的方波,自动检测是否有信号返回 3、有信号返回,ECHO端口会输出一个高电平,高电平持续的时间就是超声波从发射到返回的时间 计算的话这里就不考虑温度的影响直接用声速340m/s Proteus仿真 HC-SR04可以用Proteus中的SRF04代替 下面附上代码 ...

m0_46254883的博客 1万+

Vue-CLI脚手架详解

title: Vue CLI脚手架详解 tags: Vue VueCLI categories: Vue abbrlink: 5277 date: 2020-06-12 14:22:00 什么是Vue CLI 如果你只是简单写几个Vue的Demo程序, 那么你不需要Vue CLIn 如果你在开发大型项目, 那么你需要, 并且必然需要使用Vue CLI 使用Vue.js开发大型应用时,我们需要考虑代码目录结构、项目结构和部署、热加载、代码单元测试等事情。 如果每个项目都要手动完成这些工作,那无.

kylin's study 1万+

★教程2:fpga学习教程入门100例目录【含程序操作讲解视频】

★基础入门 1.FPGA开发软件安装

FPGA/MATLAB学习教程/源码/项目合作开发 7万+

【数据集处理】基于ERA5 气温/湿度数据计算湿球温度并判别湿热浪

【数据集处理】基于ERA5 气温/湿度数据计算湿球温度并判别湿热浪

WW、forever的博客 488

【前端】Vue2 脚手架模块化开发 -快速入门

搭建Vue2脚手架CLI不仅是一门工具的使用,更是一种高效、便捷开发的方式的选择。借助Vue的强大功能、丰富的生态系统以及众多优秀的插件和扩展库,我们能够以更高的效率开发出精美、功能丰富的Web应用程序。希望我的这篇帖子能够给你带来启发和帮助,让我们一起打造令人瞩目的开发利器吧!

dandelionl_的博客 4424

Git下载与安装

一、Git下载 二、Git安装

欢迎订阅我的“JAVA全栈开发笔记(全)”专栏,价格优惠,仅需19.9元。 6万+

使用Vue脚手架(CLI)创建Vue项目并分析项目结构

CLI(Command Line Interface)命令行接口工具vue脚手架是vue官方提供的标准化开发工具(开发平台),帮助开发者专门做工程化开发关于脚手架版本:选择最新的即可,因为最新的可以兼容低版本,但是不要出现这样的情况:比如使用vue3.0,但是脚手架用的是1.0版本,这样肯定不行的,目前大多数企业用的还是vue2.0vue脚手架不像传统工具或者库,需要下载压缩包解压使用,而是使用命令├── public │ ├── favicon . ico: 页签图标。

见证自己学习,成长的记录 1316

西安交通大学软件学院——分布式系统练习题(综合题)

摘要:本文探讨了分布式系统的核心特性与关键问题。首先阐述了分布式系统的8种透明性特性,包括访问、定位、迁移等。然后通过具体案例分析了分布式事务的回滚机制、域名解析的迭代与递归过程、不同分布式系统的异同比较。重点讨论了RPC通信中客户端/服务器崩溃的处理方法,包括消灭、再生和到期三种策略。最后介绍了Lamport时间戳算法在进程通信中的应用及问题解决方案。全文涵盖了分布式系统设计中的透明性、可靠性、一致性等核心问题。

qq_73044452的博客 204

鸿蒙ArkUI内部API10以及11开发,输入框唤起输入法键盘,页面会被顶起的解决办法

鸿蒙ArkUI内部API10以及11开发,输入框唤起输入法键盘,页面会被顶起的解决办法

zmx781284440的博客 3215

Vue CLI 脚手架

Vue CLI 是一个基于 Vue.js 进行快速开发的完整系统。 使用Vue 脚手架之后我们开发的页面将是一个完整系统(项目)。 前端系统

程序员小王的博客 2473

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

vue CLI脚手架搭项目

1.安装 node.js环境 官网下载:https://nodejs.org/en/download/ 一直默认就行,路径可以改变但要记得到 安装完成后cmd打开终端,输入node -v ,npm -v 若能看到node和npm的版本号了,则说明已经安装成功 2、官方参考网址: 官方参考网址:https://cli.vuejs.org/zh/ 3.安装(如果npm安装不了,就换淘宝境像cnpm) ...

weixin_42479115的博客 3993

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

vue-cli项目结构详解

Vue-cli是vue官方出品的快速构建单页应用的脚手架,如果你是初次尝试Vue,不建议使用,推荐你使用普通引入javascript文件的方式进行学习,如果你已经有vue基础那么就可以用vue-cli这个脚手架进行学习。下面开始对vue-cli生成的项目结构进行一下简单的解读,这个解读只是本人在项目中应用vue-cli的一些个人见解和总结,只针对一些刚入门vue的人,本人是菜鸟,如有不对请大神不吝赐

tanzhenyan的博客 2万+

华为的C语言编程规范.pdf

华为技术有限公司内部技术规范。本规范制定了编写C语言程序的基本原则、规则和建议。从代码的清晰、简洁、可测试、安全、程序效率、可移植各个方面对C语言编程作出了具体指导。

使用vue-cli脚手架创建项目步骤

使用vue-cli脚手架快速创建项目

m0_45144737的博客 4348

怎么安装vue脚手架(vue-cli),并使用脚手架创建项目

所谓脚手架就是指用来快速生成项目结构的工具,Vue脚手架工具就是一个快速生成Vue项目结构的命令行工具,可以极大的方便我们快速创建项目。目前最新的脚手架工具版本是4.x 安装脚手架工具 # 安装vue cli 4.x npm i -g @vue/cli # mac下可能要加sudo sudo npm i -g @vue/cli # --unsafe-perm 的作用请参考最后的附加内容 sudo npm i -g @vue/cli --unsafe-perm 安装成功后可以使用下面命令检测是否安装成功:

bigpatten的博客 4431

脚手架vue-cli及webpack

上一章我们学习了组件的使用,这一章讲解怎么使用vue cli脚手架的安装和使用。

炑焽的博客 1008

Vue-cli脚手架

webpack自己配置环境很麻烦, 下载vue-cli包,用vue命令创建脚手架项目 1. 什么是Vue-cli脚手架 vue-cli是vue官方提供的一个全局模块包(带命令工具行的), 开箱即用, webpack零配置, 此包用于创建脚手架工程 脚手架是为了保证各施工过程顺利进行而搭设的工作平台 脚手架工程就是一套固定的文件夹+文件+配置的工程, 我们在此基础上开发业务 在开发过程中,脚手架工具是有用的,开发完成(项目上线生产环境),它就没有用了 2. vue-cli的好处和能力 ...

小海的博客 1711

使用vue-cli脚手架初始化vue项目

使用vue-cli脚手架初始化vue项目第一步安装:node.js第二步:安装Vue-cli第三步:使用vue-cli脚手架来新建vue项目第四步:启动项目 最近新学了一下很火的vue.js,下面是我的利用所学的初始化一个简单vue项目。 vue-cli 是vue官方提供的一个脚手架工具,用于初始化一个Vue项目; vue-cli的优势: 1、成熟的vue项目架构设计,而且会跟随vue版本的更迭而...

simon-_-的博客 1636

Vue 学习(八、Vue-CLI 使用和项目结构介绍)

Vue-CLI 新老版本的使用和目录结构

Ares5k 3424

[Vue]vue cli (脚手架)(项目的创建与分析)

1. Vue 脚手架(CLI) 2. Vue CLI 的安装 2.1 全局安装 Vue CLI 2.2 检验是否安装成功 3. 使用 Vue CLI 创建项目 3.1 基于命令行的方式创建 vue 项目 3.1.1 使用 Vue CLI 提供的默认预设创建 vue2 项目 3.1.2 手动配置预设创建 vue2 项目 3.2 停止项目运行 3.3 基于可视化面板创建 vue 项目 3.3.1 创建 vue2 项目 4. 分析脚手架创建的项目结构 4.1 项目文件目录 4.2 package.json 4.3

emmmm..... 1236
上一篇: 新手简单搭建vue-cli(脚手架)以及启动
下一篇: Vue,在vue-cli上进行组件页面切换
NI_computer
博客等级 码龄7年 5粉丝 34原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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