mp-progress 微信小程序进度条组件教程
2024-08-17 16:19:53作者:余洋婵Anita
项目介绍
mp-progress 是一个专为微信小程序设计的进度条组件,提供了多种样式和动态效果,可以轻松地嵌入到你的小程序应用中,为用户的操作反馈提供直观的视觉表现。该项目的主要亮点在于其灵活性和易用性,让开发者能够快速集成并自定义以适应各种设计需求。
项目快速启动
安装
首先,你需要通过 npm 安装 mp-progress 组件:
npm install mp-progress --save
引入组件
在你的微信小程序项目中,找到需要使用进度条的页面,然后在 usingComponents 中引入 mp-progress 组件:
{
"usingComponents": {
"mpProgress": "mp-progress/dist/component/mp-progress"
}
}
使用组件
在页面的 WXML 文件中,添加 mpProgress 组件:
<mpProgress config="{{config}}" percentage="{{percentage}}"></mpProgress>
在页面的 JS 文件中,初始化进度条的配置和数据:
Page({
data: {
config: {
canvasSize: { width: 400, height: 400 },
percent: 100,
barStyle: [
{ width: 20, fillStyle: '#f0f0f0' },
{ width: 20, animate: true, fillStyle: [
{ position: 0, color: '#56B37F' },
{ position: 1, color: '#c0e674' }
]}
],
needDot: true,
dotStyle: [
{ r: 20, fillStyle: '#ffffff', shadow: 'rgba(0, 0, 0, 0.15)' },
{ r: 10, fillStyle: '#56B37F' }
]
},
percentage: 0
},
onLoad: function() {
// 模拟进度更新
setInterval(() => {
this.setData({
percentage: (this.data.percentage + 10) % 100
});
}, 1000);
}
});
应用案例和最佳实践
文件上传进度
在文件上传功能中,可以使用 mp-progress 组件来显示上传进度:
<mpProgress config="{{uploadConfig}}" percentage="{{uploadPercentage}}"></mpProgress>
Page({
data: {
uploadConfig: {
canvasSize: { width: 400, height: 400 },
percent: 100,
barStyle: [
{ width: 20, fillStyle: '#f0f0f0' },
{ width: 20, animate: true, fillStyle: [
{ position: 0, color: '#56B37F' },
{ position: 1, color: '#c0e674' }
]}
],
needDot: true,
dotStyle: [
{ r: 20, fillStyle: '#ffffff', shadow: 'rgba(0, 0, 0, 0.15)' },
{ r: 10, fillStyle: '#56B37F' }
]
},
uploadPercentage: 0
},
onUploadProgress: function(event) {
this.setData({
uploadPercentage: event.detail.progress
});
}
});
页面加载进度
在页面加载时,可以使用 mp-progress 组件来显示加载进度:
<mpProgress config="{{loadConfig}}" percentage="{{loadPercentage}}"></mpProgress>
Page({
data: {
loadConfig: {
canvasSize: { width: 400, height: 400 },
percent: 100,
barStyle: [
{ width: 20, fillStyle: '#f0f0f0' },
{ width: 20, animate: true, fillStyle: [
登录后查看全文
热门项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue08- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
575
3.89 K
Ascend Extension for PyTorch
Python
396
474
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
360
219
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++
902
704
🎉 (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
1.39 K
787
昇腾LLM分布式训练框架
Python
122
148
React Native鸿蒙化仓库
JavaScript
312
364
暂无简介
Dart
814
200
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
124
161
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
93
161