Soybean Admin 内网环境下图标渲染问题解决方案
2025-05-19 23:54:33作者:霍妲思
问题现象
在 Soybean Admin 项目中,当系统部署在内网环境时,部分图标无法正常渲染显示。具体表现为:
- 直接使用
<Icon>组件引入的图标可以正常显示 - 通过
SvgIconVNode函数动态生成的图标无法显示
问题原因分析
这个问题的根源在于 Soybean Admin 的图标系统设计。项目使用了 Iconify 作为图标解决方案,而 Iconify 默认会从公共资源服务器加载图标数据。在内网环境下,由于无法连接外部资源,导致动态生成的图标无法获取对应的 SVG 数据。
解决方案
1. 配置内网 Iconify 服务
项目已经内置了对内网 Iconify 服务的支持,只需要进行简单配置:
-
修改
.env文件,设置内网 Iconify 服务地址VITE_ICONIFY_URL=你的内网iconify服务地址 -
将需要的图标 JSON 数据部署到内网服务器上
2. 图标数据准备
在内网服务器上,需要准备以下资源:
- Iconify 的核心库文件
- 项目使用的图标集合 JSON 数据(如
ph图标集等)
3. 替代方案
如果无法搭建内网 Iconify 服务,可以考虑:
-
本地化图标:将常用图标直接打包到项目中
- 使用
@iconify/json包 - 只导入项目实际使用的图标集合
- 使用
-
静态引入:对于关键图标,改用直接引入的方式
<template> <IconPhUserCircle /> </template> <script setup> import { IconPhUserCircle } from '@iconify-prerendered/vue-ph' </script>
最佳实践建议
- 混合使用策略:关键功能图标使用静态引入,次要图标使用动态加载
- 图标缓存:实现本地缓存机制,减少对内网服务的依赖
- 构建时处理:在构建阶段预生成常用图标的 SVG 文件
- 错误处理:为动态图标添加加载失败的回退显示
技术实现细节
在 src/plugins/iconify.ts 中,项目已经实现了对自定义 Iconify 服务的支持。核心代码如下:
export function createIconify() {
const { VITE_ICONIFY_URL } = import.meta.env;
if (VITE_ICONIFY_URL) {
// 使用自定义的iconify服务地址
IconifyProviders.addProvider('', {
resources: [VITE_ICONIFY_URL]
});
}
// 其他初始化代码...
}
通过这个机制,开发者可以灵活地切换图标服务的来源,适应不同的部署环境。
总结
Soybean Admin 提供了完善的内网图标支持方案,开发者只需要按照项目规范进行配置即可解决内网环境下的图标显示问题。对于有更高安全要求的项目,建议采用本地化图标的方案,完全避免对外部服务的依赖。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Prover-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
最新内容推荐
PCDViewer-4.9.0-Ubuntu20.04:专业点云可视化与编辑工具全面解析 Solidcam后处理文件下载与使用完全指南:提升CNC编程效率的必备资源 Qt控件CSS样式实例大全 - 打造现代化GUI界面的终极指南 Adobe Acrobat XI Pro PDF拼版插件:提升排版效率的专业利器 2023年最新HTMLCSSJS组件库:提升前端开发效率的必备资源 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略
项目优选
收起
deepin linux kernel
C
24
7
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
369
3.13 K
Ascend Extension for PyTorch
Python
162
182
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
252
90
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
475
仓颉编译器源码及 cjdb 调试工具。
C++
125
853
React Native鸿蒙化仓库
JavaScript
240
313
🎉 (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
1.09 K
617
暂无简介
Dart
613
138
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++
644
255