Macy.js - 垂直布局的神器
2026-01-15 16:45:24作者:裴锟轩Denise
Macy.js 是一个轻量级的,无依赖的JavaScript库,其目标是通过寻找最小高度的最佳布局,将元素垂直地分栏排序。这个小巧而强大的工具让你的网页在不同屏幕尺寸下都能保持整洁美观。
安装
你可以通过npm或Bower进行安装,或者直接通过jsDelivr CDN引入:
npm:
npm install macy
Bower:
bower install macy
CDN引用:
<script src="https://cdn.jsdelivr.net/npm/macy@2"></script>
使用方法
只需简单调用Macy函数并配置选项:
var macyInstance = Macy({
// 在这里配置你的选项
});
选项
Macy提供了多种定制化选项以适应不同的需求:
- container:默认未设置,用于指定要应用Macy的容器元素,其所有直接子元素将被作为可排序项。
- columns:默认为4,定义默认的列数,可以使用
breakAt选项来设定响应式断点。 - trueOrder:默认为false,当设为false时,会优先平衡每列的高度而非保留原始顺序。
- margin:默认为0,可以调整列之间的像素间距;从v2.1版本开始,你还可以设定x和y方向上的独立值,甚至可以用百分比单位。
- waitForImages:默认为false,设为true则会在页面所有图片加载完成后再运行Macy。
- useOwnImageLoader:默认为false,如果你想使用自定义的图像加载器,可设为true。
- mobileFirst:默认为false,设为true启用移动优先模式,改变断点行为。
- breakAt:用于根据视口宽度更改列数的断点对象。例如,
780: 3表示当视口宽小于等于780px时,列数为3。 - cancelLegacy:默认为false,如果设为true,将在不支持Promise的浏览器中取消运行。
- useContainerForBreakpoints:默认为false,若设为true,断点基于容器元素而不是文档宽度。
方法
除了初始化之外,Macy还提供了一些实用的方法:
- recalculate():重新计算整个布局,当有新的内容插入时非常有用。
- runOnImageLoad():在图片加载时运行回调,可用于动态内容加载后的布局更新。
- remove():移除由Macy添加的所有样式和事件监听器。
- reInit():重新初始化当前的Macy实例。
- on() 和 emit():事件绑定与触发,可用于构建自定义的事件处理。
应用场景
Macy.js适用于任何需要响应式网格布局的地方,如产品展示、照片墙、卡片式设计等。它可以轻松处理图片加载,确保即使图片加载时间较长,也能呈现出漂亮的布局效果。
特点
- 轻量化:没有额外的依赖,只关注核心功能。
- 灵活的配置:多样化的选项允许你按需定制,包括列数、断点、图像加载策略等。
- 性能优化:能够等待图片加载完成再执行布局,避免因图片延迟加载导致的布局问题。
- 兼容性:全面支持主流浏览器,尽管IE11及以上版本需要Promise polyfill。
总的来说,Macy.js是一个强大且易用的工具,能帮助你打造优雅的响应式布局。立即尝试,并让网页呈现更佳视觉效果!
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0117
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook09
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
764
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
678
1.33 K
Ascend Extension for PyTorch
Python
719
876
deepin linux kernel
C
32
16
openEuler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。
C
455
437
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++
1.08 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
302
117
昇腾LLM分布式训练框架
Python
178
220