Popper.js中size与shift中间件在窗口缩放时的布局问题解析
2025-05-04 10:02:18作者:何举烈Damon
问题背景
在使用Popper.js的Floating UI组件时,开发者发现当同时使用size和shift中间件时,在浏览器窗口缩放过程中会出现元素尺寸计算不准确的问题。具体表现为:当元素因空间不足而缩小后,窗口重新放大时,元素不会立即恢复其应有尺寸,而是保持缩小状态直到特定条件触发。
问题现象分析
当shift中间件的crossAxis设置为true并与size中间件一起使用时,availableHeight(或水平方向的availableWidth)在元素发生位移后不会正确更新为实际可用空间。这导致元素在窗口尺寸变化时无法动态调整其大小。
典型重现步骤:
- 创建一个带有工具提示的页面
- 缩小窗口直到工具提示顶部碰到边界并开始缩小
- 重新放大窗口
- 工具提示会向下移动但保持缩小状态,直到其顶部到达参考元素底部才开始恢复尺寸
技术原理探究
问题的核心在于size中间件的计算逻辑。当前实现中,availableHeight或availableWidth仅在主位移轴上设置为maximumClippingHeight,而忽略了交叉轴上的位移情况。
在源码中,相关计算逻辑存在以下特点:
- 使用三元条件判断是否设置
maximumClipping<size> - 当前条件仅考虑主位移轴的情况
- 实际计算可以简化为:如果有对齐或没有位移,保持原值;否则设置为
maximumClipping<size>
解决方案建议
经过分析,建议修改size中间件的计算逻辑,使其在任一轴上发生位移时都考虑maximumClipping<size>。具体修改方案如下:
if (state.middlewareData.shift?.x && !(alignment && isYAxis)) {
availableHeight = maximumClippingHeight;
}
if (state.middlewareData.shift?.y && !(alignment && !isYAxis)) {
availableHeight = maximumClippingHeight;
}
扩展问题发现
进一步测试发现,该问题在以下情况也会出现:
- 当元素有对齐设置且
shift位于size之前时 - 当
shift的padding值与size不同时,会出现不同的行为表现
此外,还存在一个更深层次的问题:当shift值为0时,无法判断是否允许在该轴上进行位移。这需要shift中间件能够返回其启用的轴信息。
测试建议
针对该问题的测试方案应考虑:
- 移除可能干扰测试的
flip中间件,专注于size和shift的交互 - 测试
shift在size前后的不同排列组合 - 验证各种padding组合下的行为
总结
该问题揭示了Popper.js中中间件交互时的一些边界条件处理不足。通过调整size中间件的计算逻辑,可以更准确地反映实际可用空间,特别是在窗口缩放场景下。建议开发者在实现类似功能时,特别注意中间件的执行顺序和参数配置,以获得预期的动态布局效果。
登录后查看全文
热门项目推荐
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 Notebook0118
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
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
热门内容推荐
项目优选
收起
暂无描述
Dockerfile
764
4.98 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
1.93 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++
683
1.33 K
Ascend Extension for PyTorch
Python
719
880
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
457
439
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
1.1 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
151
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
305
118
昇腾LLM分布式训练框架
Python
178
221