推送通知的Angular 2组件 - ng2-notifications

ng2-notifications 是一个强大的Angular 2+ 开源组件,它利用了Web的Notifications API,允许你的应用在用户切换标签或专注于其他应用程序时,也能显示系统级别的推送通知。这款组件设计简洁,兼容现有的各种操作系统和浏览器的通知系统。
在线演示与快速启动
想立即体验?点击这里查看在线演示。
要在自己的项目中快速启用ng2-notifications,只需执行以下步骤:
$ npm install ng2-notifications --save
接着,在你的App模块中引入并使用该组件:
import { PushNotificationComponent } from 'ng2-notifications/ng2-notifications';
@Component({
selector: 'my-app',
template: `
<push-notification
title="ng2-notifications"
body="Component for Native Push Notifications"
icon="https://goo.gl/3eqeiE">
</push-notification>
`,
directives: [PushNotificationComponent]
})
使用方法
基础的推送通知可以通过设置标题、内容和图标属性来创建,如下所示:
<push-notification
title="ng2-notifications"
body="Component for Native Push Notifications"
icon="https://goo.gl/3eqeiE">
</push-notification>
若要实现数据绑定,可以这样做:
<push-notification
[title]="notification.title"
[body]="notification.description"
[icon]="notification.icon">
</push-notification>
自动关闭
通过设置closeDelay属性,你可以让通知在指定时间后自动关闭。例如,下面的例子将在5秒后自动关闭:
<push-notification
...
closeDelay="5000">
</push-notification>
控制何时触发通知
通过添加模板变量并在事件上调用.show() 方法,你可以控制何时展示通知:
<push-notification #notification
...
(load)="notification.show()">
</push-notification>
点击事件处理
给通知添加点击事件处理器,只需要使用(action)事件:
<push-notification
...
(action)="myFunction($event)">
</push-notification>
显示和关闭事件
监听通知的显示和关闭事件,可以为它们添加回调函数:
<push-notification
...
(show)="myShowFunction($event)"
(close)="myCloseFunction($event)">
</push-notification>
错误事件
当遇到错误时,可通过(error)事件进行处理:
<push-notification
...
(error)="handleError($event)">
</push-notification>
其他选项
此外,还有更多自定义选项可供选择,比如data、tag、dir(默认值:'auto')以及lang(默认值:'en-US')。
浏览器支持
查看完整的浏览器兼容性列表。请注意,有些特性仍处于建议阶段,或者目前尚未被所有浏览器支持,如renotify、silent、sound、vibrate、sticky 和 noscreen。另外,如果你在Chrome的隐私浏览模式下,将无法收到通知。
许可证
本项目采用MIT许可证,详情见LICENSE 文件。
版权 © 2017 Alex Castillo
许可在此明确授予,无需付费,任何个人或实体均可获得一份本软件及其相关文档的副本,不受限制地使用、复制、修改、合并、发布、分发、转授权和/或销售本软件的副本,以及允许为其接收软件的人员这样做,但须遵守以下条件:
上述版权声明和许可通知应包含在本软件的所有副本或实质部分中。
本软件提供“原样”状态,不附带任何形式的明示或暗示保证,包括但不限于对适销性、特定用途适用性和非侵权性的保证。在任何情况下,作者或版权持有者都不应对因使用、不能使用本软件所产生的直接、间接、偶然、特殊、惩罚性或后果性损害承担责任,即使已被告知可能出现此类损害。
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