打破常规:Vite 插件——JS 动态注入 CSS 功能
在前端开发中,我们常常需要权衡代码分割和性能之间的平衡。现在,借助 vite-plugin-css-injected-by-js 这款创新的 Vite 插件,你可以将所有的 CSS 直接通过 JavaScript 添加到页面上,实现单一 JS 文件的应用,从而简化文件管理并优化加载速度。
项目介绍
vite-plugin-css-injected-by-js 是一个巧妙的工具,它改变了传统的 CSS 链接方式,不再生成独立的 CSS 文件或在 HTML 中引入它们。相反,这个插件会捕获构建过程中生成的所有 CSS,并通过 JavaScript 将其动态地添加到页面样式中。这种设计使得你可以完全控制 CSS 的加载时间,甚至可以配合严格的 CSP(Content Security Policy)策略。
技术分析
该插件的工作原理是,遍历构建过程中的所有 CSS 资源,然后在 HTML 中移除这些链接,转而通过自定义的 JavaScript 代码将 CSS 内容注入到页面头部。你可以配置 CSS 注入的时间点(在你的应用代码之前或之后),也可以为注入的 style 元素设置自定义 ID,以满足特定场景的需求。
对于那些使用了 Vite 的 plugin-legacy 的开发者,需要注意的是,由于 plugin-legacy 对 CSS 处理有特定需求,所以这个插件不再支持 plugin-legacy。
应用场景
- 单一 JS 文件部署,减少 HTTP 请求
- 自定义 CSS 加载时机,比如延迟加载以提高首屏渲染速度
- 与 CSP 策略兼容,通过设置
useStrictCSP使用非空值 nonce - 在多入口点应用中,通过
relativeCSSInjection和jsAssetsFilterFunction配合处理 CSS 注入
项目特点
- 灵活注入:可根据项目需求配置 CSS 注入的时机。
- 自定义化:可定制注入代码和 style 元素 ID,允许你在运行时执行自定义函数进行 CSS 修改。
- 资源筛选:可以通过
cssAssetsFilterFunction和jsAssetsFilterFunction指定哪些 CSS 或 JS 文件参与 CSS 注入,便于多入口点应用的管理。 - 严格 CSP 支持:开启
useStrictCSP后,插件会自动为 style 标签生成并添加 nonce 值,符合严格的 CSP 策略要求。
安装与使用
要安装此插件,只需在项目中运行:
npm i vite-plugin-css-injected-by-js --save
然后在你的 Vite 配置文件中加入以下代码:
import cssInjectedByJsPlugin from 'vite-plugin-css-injected-by-js';
export default {
plugins: [
cssInjectedByJsPlugin(),
],
};
无需复杂的配置,即可开始享受动态 CSS 注入带来的便利。
总之,vite-plugin-css-injected-by-js 提供了一种全新的 CSS 管理方式,让你在 Vite 上实现更高效、更可控的前端开发。试试看,看看它如何为你的项目带来改变吧!
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。C092
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