在Vue3中使用wangEditor获取工具栏配置的实践指南
2025-05-12 13:18:56作者:廉皓灿Ida
wangEditor作为一款流行的富文本编辑器,在Vue3项目中被广泛使用。本文将详细介绍如何在Vue3环境中获取wangEditor工具栏的默认配置,特别是菜单组的分组和排序信息。
获取工具栏配置的时机问题
在Vue3项目中,开发者常常会遇到这样的需求:需要获取wangEditor工具栏的当前配置,包括菜单项的排序和分组情况。然而,直接在编辑器创建完成的回调函数中尝试获取这些信息可能会遇到问题。
这是因为wangEditor的初始化是一个异步过程,工具栏的完整配置在编辑器刚创建时可能还未完全准备好。此时调用toolbar.getConfig().toolbarKeys可能无法获取到预期的结果。
正确的获取方式
经过实践验证,在编辑器失去焦点的事件回调中获取工具栏配置是一个可靠的方法。这是因为:
- 失去焦点事件发生时,编辑器已经完全初始化完成
- 工具栏配置已经稳定加载
- 此时获取的配置信息是最新且完整的
具体实现代码如下:
// 在模板中绑定onBlur事件
<wang-editor @onBlur="handleBlur" />
// 在methods中定义处理函数
const handleBlur = () => {
const editor = editorRef.value;
const toolbar = DomEditor.getToolbar(editor);
console.log('当前工具栏配置:', toolbar.getConfig().toolbarKeys);
}
工具栏配置的结构解析
获取到的toolbarKeys配置是一个数组,它完整反映了工具栏的当前状态:
- 数组中的字符串代表单个菜单项的key
- 数组中的空字符串
''代表菜单分组的分隔线 - 数组顺序即为工具栏上菜单项的实际显示顺序
通过分析这个数组,开发者可以:
- 了解默认的菜单分组情况
- 掌握各菜单项的顺序排列
- 为自定义工具栏配置提供参考基准
实际应用场景
获取工具栏配置在实际开发中有多种用途:
- 自定义工具栏:在修改默认工具栏前,先获取原始配置作为参考
- 动态调整:根据用户权限动态显示/隐藏某些菜单项
- 状态保存:保存用户自定义的工具栏配置以便下次恢复
- 功能扩展:在特定菜单组前后插入自定义功能按钮
注意事项
- 确保在编辑器实例完全初始化后再获取配置
- 不同版本wangEditor的工具栏默认配置可能略有差异
- 修改配置后需要调用相应方法更新工具栏显示
- 在生产环境中建议将配置获取逻辑封装为可复用函数
通过本文介绍的方法,开发者可以轻松获取wangEditor工具栏的完整配置信息,为后续的编辑器定制和功能扩展打下坚实基础。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
412
3.17 K
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++
664
324
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
678
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
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
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
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
342
146