JEECG-Boot项目离线模式下图标加载问题解决方案
2025-05-02 15:41:06作者:龚格成
问题背景
在JEECG-Boot 3.7.0版本中,当开发者在本地VSCode启动模式下运行项目时,系统会尝试从远程服务器加载部分图标资源。特别是在内网部署环境下,这种远程请求会导致图标加载失败,影响用户体验。
问题现象分析
- 远程请求现象:在离线模式下,系统会向api.iconify.design/ant-design.json发起多个远程请求
- 图标加载差异:
- 系统内置的mdi:chevron-down图标可以正常本地加载
- 但替换为mdi:chevron-double-down后就需要远程加载
技术原理
JEECG-Boot项目使用了图标管理系统,默认情况下:
- 部分常用图标已内置在项目中
- 其他图标会通过CDN动态加载
- 图标库采用按需加载机制,未使用的图标不会打包进项目
解决方案
方案一:使用本地化图标生成工具
JEECG-Boot提供了专门的图标本地化工具,可以将需要的图标生成本地资源:
- 准备需要使用的所有图标名称列表
- 运行图标生成工具
- 工具会自动下载指定图标并转换为本地资源
- 将生成的资源文件放入项目指定目录
方案二:手动添加图标资源
对于少量新增图标,可以手动处理:
- 从图标库官网下载SVG格式图标
- 将SVG文件放入项目资源目录
- 在代码中引用本地SVG资源
- 配置图标别名方便调用
方案三:完整图标库本地化
如需完整本地化整个图标库:
- 下载完整的图标库资源包
- 配置项目禁用CDN加载
- 修改图标加载配置指向本地资源
- 优化打包配置确保图标资源正确包含
实施建议
- 开发阶段:建议使用方案一,通过工具自动化处理
- 生产环境:推荐方案三,确保所有图标资源本地化
- 临时解决方案:可使用方案二快速解决特定图标问题
注意事项
- 图标本地化会增加项目体积,需权衡利弊
- 定期更新本地图标库以获取最新图标
- 测试不同分辨率下的图标显示效果
- 注意图标授权问题,确保商业使用合规
通过以上方案,开发者可以彻底解决JEECG-Boot项目在离线环境下的图标加载问题,确保系统在内网环境中的稳定运行。
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
暂无简介
Dart
667
153
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++
660
303
Ascend Extension for PyTorch
Python
216
235
React Native鸿蒙化仓库
JavaScript
255
321
仓颉编译器源码及 cjdb 调试工具。
C++
133
866
仓颉编程语言运行时与标准库。
Cangjie
141
876
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
🎉 (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
1.19 K
651
仓颉编程语言开发者文档。
59
819