Bootstrap Tags 项目技术文档
2024-12-28 21:44:04作者:庞队千Virginia
1. 安装指南
Bootstrap Tags 是一个基于 jQuery 的插件,用于扩展 Twitter Bootstrap 的标签功能。支持 Bootstrap 2.3.2 及以上版本。
安装方式
-
使用 Bower 进行安装:
$ bower install bootstrap-tags -
使用 Git 进行安装:
$ git clone https://github.com/maxwells/bootstrap-tags.git其中,JavaScript 文件位于
dist/js目录,CSS 文件位于dist/css目录。
2. 项目的使用说明
在项目中使用 Bootstrap Tags 插件,需要包含相应的 JavaScript 和 CSS 文件,并通过 jQuery 初始化标签功能。
使用示例
<!-- 引入 Bootstrap Tags 的 JS 和 CSS 文件 -->
<script src='path/to/bootstrap-tags/dist/js/bootstrap-tags.min.js'></script>
<link rel="stylesheet" type="text/css" href="path/to/bootstrap-tags/dist/css/bootstrap-tags.css" />
<div id="my-tag-list" class="tag-list"></div>
<script>
$(function() {
// 如果使用 Bootstrap 2,需要设置版本
// Tags.bootstrapVersion = "2";
$('#my-tag-list').tags({
tagData: ["boilerplate", "tags"],
suggestions: ["basic", "suggestions"],
excludeList: ["not", "these", "words"]
});
});
</script>
3. 项目API使用文档
Bootstrap Tags 插件支持多种配置选项,以下是一些常用的 API 方法。
配置选项
以下选项可以通过 JavaScript 对象传递给 tags jQuery 函数:
$('selector').tags({
readOnly: true,
tagData: ["a", "prepopulated", "list", "of", "tags"],
beforeAddingTag: function(tag){ console.log(tag); }
});
bootstrapVersion: 指定生成的 HTML 应该使用哪个版本的 Bootstrap 格式。接受的值为 "2" 或 "3"。tagData: 初始化标签界面时使用的标签列表。tagSize: 描述要使用的输入大小。接受的值为 "lg"、"md" 或 "sm"。readOnly: 是否禁用用户输入。suggestions: 用户输入第一个字符时将自动填充的术语列表。suggestOnClick: 是否在点击时触发自动建议功能。caseInsensitive: 自动建议是否忽略大小写。restrictTo: 允许的标签列表(如果提供,将结合建议使用)。不在该列表中的用户输入标签将被忽略。exclude: 不允许的标签列表,支持通配符。popoverData: 每个标签的弹出数据列表。popovers: 是否在鼠标悬停时启用 Bootstrap 弹出窗口。popoverTrigger: 弹出窗口的触发方式。tagClass: 标签 div 的类名,用于样式。promptText: 当没有标签且没有输入内容时显示的占位符字符串。maxNumTags: 允许的最大标签数(用户添加的)。如果设置了此值,当标签数量超过此值时,输入将被禁用。readOnlyEmptyMessage: 在只读模式下如果没有标签显示的文本。beforeAddingTag: 在添加标签之前执行的外部操作。返回false将阻止添加标签。afterAddingTag: 在添加标签后执行的外部操作。beforeDeletingTag: 在删除标签之前执行的外部操作。返回false将阻止删除标签。afterDeletingTag: 在删除标签后执行的外部操作。definePopover: 返回新添加标签的弹出内容的函数。excludes: 如果希望排除标签,则返回true,否则允许。
链式函数
以下是一些可链式调用的函数,用于操作标签数据:
hasTag(tag:string): 是否存在标签。getTags(): 当前界面中的标签列表。getTagsWithContent(): 包含tag和content属性的 JavaScript 对象列表。getTag(tag:string): 返回标签字符串。getTagWithContent(tag:string): 返回具有tag和content属性的对象(弹出内容)。addTag(tag:string): 添加标签。renameTag(tag:string, newTag:string): 重命名标签。removeLastTag(): 如果存在,则移除最后一个标签。removeTag(tag:string): 移除指定的标签。addTagWithContent(tag:string, popoverContent:string): 添加带有相关弹出内容的标签。setPopover(tag:string, popoverContent:string): 更新标签的关联弹出内容。
示例
var tags = $('#one').tags({
suggestions: ["here", "are", "some", "suggestions"],
popoverData: ["What a wonderful day", "to make some stuff", "up so that I", "can show it works"],
tagData: ["tag a", "tag b", "tag c", "tag d"],
excludeList: ["excuse", "my", "vulgarity"],
});
tags.addTag("tag e!!").removeTag("tag b").setPopover("tag c", "Changed popover content");
console.log(tags.getTags());
4. 项目安装方式
请参考“安装指南”部分,使用 Bower 或 Git 进行安装。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
765
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.93 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
680
1.33 K
Ascend Extension for PyTorch
Python
719
879
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
456
438
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++
1.08 K
1.1 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
303
118
昇腾LLM分布式训练框架
Python
178
220