【亲测免费】 OpenCascade.js 技术文档
概览
OpenCascade.js 是一个将著名的开源3D几何建模核心 OpenCascade 移植到JavaScript并通过Emscripten编译为WebAssembly的项目。这项技术使您能够在浏览器中以接近原生的速度运行CAD应用程序,支持多线程,并且可以根据应用需求定制库的大小,优化资源消耗。本文档旨在引导您完成安装、使用以及了解项目API的过程。
安装指南
直接在网页中使用
如果您想立即试用OpenCascade.js,可以直接在HTML文件中通过CDN链接引入:
<script type="text/javascript" src="https://path/to/opencascade.min.js"></script>
请替换https://path/to/为实际的版本链接,具体版本可能需要查看最新的GitHub发布页面或官方文档来获取最新有效的URL。
作为npm包安装
对于Node.js项目或更复杂的构建流程,可以通过npm进行安装:
npm install opencascade.js
随后,在您的代码中,可以使用require或import语句导入OpenCascade.js:
const OCC = require('opencascade.js');
// 或者,如果你使用的是ES模块
import * as OCC from 'opencascade.js';
项目的使用说明
初始化环境
确保在使用OpenCascade.js之前,您的网页已加载完毕且JavaScript执行环境准备就绪。可以利用DOMContentLoaded事件:
document.addEventListener('DOMContentLoaded', function() {
// 开始使用OpenCascade.js的功能
});
示例代码
创建一个简单的3D形状(例如:一个立方体):
const viewer = new OCC.Viewer(document.getElementById('viewer3d'));
OCC.loadCAShape(viewer, OCC.BRepPrimAPI_MakeBox(10., 10., 10.), (shape) => {
viewer.displayShape(shape, true);
});
这里假设有一个ID为viewer3d的HTML元素用于承载3D视图。
项目API使用文档
OpenCascade.js提供了丰富的API来操作3D模型。以下是一些基础示例:
-
创建形状:
let box = OCC.BRepPrimAPI_MakeBox(10., 10., 10.).shape(); -
显示形状(假设已经初始化了viewer):
viewer.displayShape(box); -
清除当前显示:
viewer.clearDisplay();
更多详细的API文档,请参考官方网站的文档部分,或者查看源码中的注释和示例项目,如OpenCascade.js-examples仓库。
项目构建与自定义
若要从源代码构建OpenCascade.js或进行自定义编译,首先确保拥有Git和Node.js环境。之后,按照以下步骤操作:
- 克隆项目到本地:
git clone https://github.com/donalffons/opencascade.js.git - 进入项目目录并安装依赖:
cd opencascade.js npm install - 构建项目(根据需要可调整配置):
npm run build
这将生成可用于生产的JavaScript文件。详细构建配置和选项,请参考项目的package.json和相关文档。
通过上述步骤,您可以开始探索和使用OpenCascade.js,构建高效、高性能的在线CAD应用程序。记得参与社区讨论和贡献,让这个项目更加完善。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00