Button Card自定义卡片左对齐布局技巧
在Home Assistant中使用Button Card自定义卡片时,实现元素左对齐是一个常见的布局需求。本文将详细介绍如何通过CSS样式配置实现完美的左对齐效果。
问题背景
许多用户在使用Button Card时,会遇到图标和文本无法左对齐的问题。默认情况下,卡片内容可能居中显示,这在某些仪表板布局中会显得不协调。
解决方案
要实现左对齐效果,关键在于正确使用CSS的justify-content属性。以下是经过验证的有效配置:
type: custom:button-card
entity: switch.deskpower_l2
name: Amp
show_name: true
layout: icon_name
styles:
card:
- justify-content: start # 关键属性,实现左对齐
- align-items: start # 垂直方向对齐方式
grid:
- display: contents # 使用内容显示模式
img_cell:
- display: contents # 图片单元格显示方式
icon:
- margin: 0em # 图标边距设置
- margin-right: 1.5em # 图标右侧间距
- margin-left: 1.5em # 图标左侧间距
- width: 20px # 图标宽度
关键配置解析
-
justify-content: start
这是实现左对齐的核心属性,它指定了flex容器中项目在主轴(水平方向)上的对齐方式。start值表示项目将向容器起始端对齐。 -
align-items: start
控制项目在交叉轴(垂直方向)上的对齐方式,确保内容顶部对齐。 -
display: contents
这个属性使得网格布局更加灵活,允许子元素直接参与父元素的网格布局。 -
图标边距设置
通过调整margin-right和margin-left可以精确控制图标与文本之间的间距,实现理想的视觉效果。
进阶技巧
-
字体定制
可以通过card_mod模块自定义字体,如示例中使用的Rajdhani字体:card_mod: style: | ha-card { font-family: Rajdhani; } -
响应式布局
对于不同屏幕尺寸,可以添加媒体查询来调整间距和大小:styles: card: - '@media (max-width: 600px)': - margin-left: 0.5em - margin-right: 0.5em -
多元素对齐
如果有多个按钮需要对齐,可以统一设置它们的margin-left值,确保所有元素起始位置一致。
常见误区
-
错误使用
justify-self代替justify-content
justify-self适用于单个flex项目,而justify-content用于控制容器内所有项目的对齐方式。 -
忽略垂直对齐
只设置水平对齐而忘记align-items可能导致垂直方向不对齐。 -
过度使用绝对定位
虽然position: absolute可以实现对齐,但会破坏响应式布局,应优先使用flex布局。
通过以上配置和技巧,用户可以轻松实现Button Card卡片的完美左对齐效果,打造整洁统一的Home Assistant仪表板界面。
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