Electron-Vite项目中加载SVG图标的最佳实践
2025-06-15 09:13:56作者:昌雅子Ethen
在Electron-Vite项目中加载SVG图标是一个常见需求,特别是在开发地图应用时需要使用自定义标记图标。本文将详细介绍在Electron-Vite架构下正确加载和使用SVG图标的方法。
资源加载的基本原理
Electron-Vite项目采用了Vite作为构建工具,其资源处理方式与传统的Webpack有所不同。Vite对静态资源有着独特的处理机制,特别是在开发环境和生产环境下表现不同。
渲染进程中的SVG加载
在渲染进程(前端部分)中,Vite提供了几种处理静态资源的方式:
- 直接导入:可以通过ES模块导入SVG文件
import markerIcon from './assets/marker.svg'
- 公共目录:将SVG文件放在public目录下,然后直接通过相对路径引用
placemarkAttributes.imageSource = '/marker.svg'
- URL构造:使用Vite的特殊查询参数
placemarkAttributes.imageSource = new URL('./assets/marker.svg', import.meta.url).href
主进程中的SVG加载
在主进程(Electron部分)中,需要使用特殊的资源处理方式:
- 使用asset模块:通过
?asset后缀明确指定资源类型
placemarkAttributes.imageSource = 'assets/marker.svg?asset'
- 路径处理:结合
path模块构建绝对路径
import path from 'path'
placemarkAttributes.imageSource = path.join(__dirname, 'assets', 'marker.svg')
跨环境兼容性解决方案
为了解决开发环境和生产环境路径不一致的问题,可以采用以下策略:
- 环境变量判断:根据当前环境选择不同的加载方式
const isProduction = import.meta.env.PROD
placemarkAttributes.imageSource = isProduction
? path.join(__dirname, 'assets', 'marker.svg')
: '/marker.svg'
- 统一资源管理:创建一个专门的资源加载工具函数
function loadAsset(path) {
if (import.meta.env.PROD) {
return `file://${path.join(__dirname, 'assets', path)}`
} else {
return `/${path}`
}
}
实际应用示例
在地图应用中加载卫星图标的完整示例:
// 统一资源加载函数
function getAssetPath(relativePath) {
if (import.meta.env.DEV) {
return new URL(`../../resources/${relativePath}`, import.meta.url).href
} else {
const path = require('path')
return path.join(__dirname, '../../resources', relativePath)
}
}
// 使用示例
placemarkAttributes.imageSource = getAssetPath('satellite.svg')
const satellitePlacemark = new WorldWind.Placemark(
satellitePosition,
true,
placemarkAttributes
)
placemarkLayer.addRenderable(satellitePlacemark)
wwd.redraw()
最佳实践建议
- 资源目录结构:建议将所有静态资源统一放在
src/assets或public目录下 - 命名规范:使用清晰的命名规则,如
marker-{size}-{color}.svg - 缓存控制:在生产构建时为资源文件名添加hash以避免缓存问题
- 类型安全:在TypeScript项目中为SVG导入添加类型声明
- 性能优化:对于频繁使用的小图标,考虑使用雪碧图或内联SVG
通过遵循这些实践,可以确保SVG图标在Electron-Vite项目的所有环境和构建模式下都能正确加载和显示。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
376
3.26 K
暂无简介
Dart
619
140
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
62
19
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
479
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
647
261
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.09 K
619
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
790
76