Response.js 技术文档
2024-12-24 06:26:13作者:邓越浪Henry
本文档将详细介绍如何安装和使用 Response.js,这是一个实验性的 jQuery、Ender 或 Zepto 插件,用于帮助网页设计师构建响应式网站。
1. 安装指南
使用 npm 安装
在命令行中运行以下命令以通过 npm 安装 Response.js:
npm install response.js
手动下载
你也可以从 Response.js GitHub 仓库 手动下载最新版本的代码,并将其包含在你的项目中。
2. 项目的使用说明
Response.js 通过断点集(breakpoint sets)提供动态交换内容的能力。以下是如何使用该插件的步骤:
创建断点集
通过调用 Response.create(options) 方法或通过 JSON 存储在 body[data-responsejs] 中来自动创建断点集。
<body data-responsejs='{
"create": [
{ "prop": "width", "prefix": "min-width-", "lazy": true, "breakpoints": [1281, 1025, 961, 641, 481, 320, 0] }
]}'
>
编写标记
使用数据属性编写标记,以便在不同的断点上显示不同的内容。
<div data-min-width-481="481px 以上的标记" data-min-width-961="961px 以上的标记">
默认标记,480px 以下或无 JavaScript
</div>
3. 项目API使用文档
以下是 Response.js 的一些主要 API 方法:
断点集
Response.create(options):创建一个新的断点集。Response.addTest(prop, test):定义一个自定义测试,用于检查断点。
方法
Response.viewportW():返回 CSS 视口宽度。Response.viewportH():返回 CSS 视口高度。Response.mq(mediaQuery):检查媒体查询是否为真。Response.inViewport(elem, cushion?):检查元素是否在视口中。
设备尺寸
Response.deviceW():返回设备宽度。Response.deviceH():返回设备高度。
设备像素比
Response.dpr([value]):返回设备像素比。
事件
Response.crossover(prop, fn):在断点交叉时调用函数。Response.ready(fn):在文档就绪时调用函数。Response.resize(fn):在窗口大小改变时调用函数。
4. 项目安装方式
请参考上述的“安装指南”部分,了解如何通过 npm 或手动下载方式安装 Response.js。
本文档提供了 Response.js 的基本安装和使用说明,以及其 API 的简要概述。要获取更多详细信息,请参考项目在 GitHub 上的 Wiki 和 Issues。
登录后查看全文
热门项目推荐
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
411
3.16 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
323
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
676
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
659
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