推荐Shevy:完美的垂直节奏Sass库
2024-06-01 17:57:29作者:咎竹峻Karen
Shevy 是一个轻量级且可配置的Sass库,专注于优化网页排版的垂直节奏。简单易用,让你的设计在视觉上更显专业,阅读体验更佳。
演示与安装
你可以查看在线演示,直观了解Shevy的效果。要将它添加到你的项目中,你需要先安装Sass并设置好编译环境。Shevy提供了多种安装方式:
- 从源码复制:直接将
core/目录复制到你的项目中,然后在你的Sass文件中@import 'core/shevy'。 - 通过NPM:使用命令
npm install --save shevy安装,并以适合你项目的方式导入core/shevy.scss。 - 通过Bower:运行
bower install --save shevy,然后在适当的路径下@import。 - 对于Ruby on Rails用户,在Gemfile中加入
gem 'shevy',然后执行bundle install,接着在Sass文件里@import 'shevy'。
使用方法
Shevy带有默认设置,所以最简单的用法是调用几个预定义的混合宏,比如headings,body和content:
@include headings;
@include body;
@include content;
如果默认设置不符合需求,你可以全局或组件级别调整配置。创建自定义的$shevy地图,覆盖默认值,再在代码中应用即可。
技术解析
- 基线字体大小(
base-font-size)是设置的基础字体大小,用于计算其他大小。 - 基线行高(
base-line-height)可以是像素值或因子,决定了垂直间距的基本值。 - 字体比例尺度(
base-font-scale)是一个列表,包含了所有标题的相对字体大小。 - 底部外边距(
margin-bottom),默认开启,用于保持垂直节奏,关闭则将底部外边距设为0。 - 邻近效应(
proximity),当开启时,可以通过proximity-factor调整元素之间的距离。
此外,Shevy还提供了一些功能强大的函数,如返回基础字体大小、行高,以及基于这些参数进行计算的功能。
应用场景
Shevy适用于任何注重细节、追求完美垂直节奏的网站设计。无论你是个人开发者,还是在一个团队中工作,或者使用WebPack这样的构建工具,Shevy都能很好地融入。
特点
- 灵活性:自定义设置,适应各种设计风格。
- 兼容性:支持px, em, rem单位。
- 易用性:通过混合宏和函数轻松使用。
- 性能:小巧而高效,不影响整体开发速度。
总的来说,Shevy是一个强大而灵活的Sass库,能够帮助你打造优雅的排版效果。试试看,你会发现这是一个值得信赖的工具。
登录后查看全文
热门项目推荐
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
HunyuanVideo-1.5暂无简介00
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-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
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
182
196
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++
648
265
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
274
94
暂无简介
Dart
623
140
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
380
3.41 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1