Office UI Fabric React 9.61.0版本发布:ColorPicker稳定版与组件增强
项目简介
Office UI Fabric React(现称为Fluent UI React)是微软开发的一套基于React的企业级UI组件库,主要用于构建Office系列产品的用户界面。该组件库提供了丰富的UI组件和设计系统,帮助开发者快速构建符合微软设计语言的现代化Web应用。
主要更新内容
ColorPicker组件正式发布稳定版
本次9.61.0版本最重要的更新是将ColorPicker组件标记为9.0.0稳定版。ColorPicker是一个颜色选择器组件,允许用户通过可视化界面选择颜色值。稳定版的发布意味着该组件的API和行为已经趋于稳定,开发者可以放心地在生产环境中使用。
ColorPicker组件提供了多种颜色选择方式,包括:
- 色板选择
- 颜色滑块调节
- 直接输入颜色值
- 透明度调节
该组件特别适合需要颜色配置功能的应用程序,如图像编辑器、主题定制工具等。
新增CustomStyleHooks功能
本次更新引入了CustomStyleHooks功能,这是一个强大的样式定制机制。通过CustomStyleHooks,开发者可以更灵活地覆盖组件的默认样式,而无需直接修改组件的CSS类名或使用复杂的CSS选择器。
CustomStyleHooks的主要优势包括:
- 更清晰的样式覆盖方式
- 更好的类型安全性
- 更易于维护的样式代码
- 与设计系统更好的集成
Tag组件增强:选中状态支持
Tag和InteractionTag组件现在支持选中状态。这个功能扩展了标签组件的使用场景,特别是在需要多选或标记选中项的界面中非常有用。
新的选中状态特性包括:
- 视觉上的选中反馈
- 可定制的选中样式
- 与现有交互行为的无缝集成
问题修复与改进
对话框和抽屉组件的背景色改进
修复了Dialog和Drawer组件的背景色问题,现在使用设计令牌(token)来定义背景颜色。这种改进使得:
- 颜色使用更加一致
- 主题切换更加方便
- 符合设计系统的规范
可访问性改进
对多个组件进行了可访问性方面的清理和改进,包括:
- 更好的键盘导航支持
- 更清晰的ARIA属性
- 改进的屏幕阅读器体验
SpinButton组件修复
修复了SpinButton组件中aria-valuenow属性与原生值同步的时机问题。这个修复确保了:
- 辅助技术能正确读取当前值
- 值变化时的反馈更加及时
- 更好的无障碍体验
Tab组件类型修复
修正了Tab组件value属性的类型定义,现在能提供更准确的类型提示,帮助开发者在TypeScript项目中避免类型错误。
计算样式兼容性修复
解决了在某些环境下调用window.getComputedStyle()可能抛出异常的问题,提高了组件在各种浏览器环境下的稳定性。
总结
Office UI Fabric React 9.61.0版本带来了重要的功能增强和稳定性改进。ColorPicker组件的稳定版发布为需要颜色选择功能的应用程序提供了可靠的选择,而CustomStyleHooks的引入则为样式定制开辟了新的可能性。同时,多项问题修复进一步提升了组件的质量和可靠性。
对于正在使用或考虑使用Fluent UI React的开发者来说,这个版本值得关注和升级,特别是那些需要颜色选择功能或深度样式定制的项目。
kernelopenEuler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。C094
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00