【亲测免费】 Pragmatic Drag and Drop 项目教程
2026-01-23 06:30:49作者:袁立春Spencer
1. 项目介绍
Pragmatic Drag and Drop 是一个低级别的拖放工具链,旨在安全且成功地使用浏览器的内置拖放功能。该项目可以与任何视图层(如 React、Svelte、Vue、Angular 等)一起使用,并且已经在一些最大的 Web 产品中得到应用,包括 Trello、Jira 和 Confluence。
主要特点
- 低级别拖放行为:提供核心包和多个可选包,用于创建任何拖放体验。
- 轻量级:核心包大小约为 4.7kB。
- 灵活性:支持任何前端框架,并允许延迟加载以进一步提高页面加载速度。
- 跨平台支持:在 Firefox、Safari、Chrome、iOS 和 Android 上完全支持。
- 虚拟化支持:支持创建任何虚拟体验。
- 可选的视觉输出:提供可选的视觉输出(如下拉指示器),以快速构建一致的用户体验。
- 辅助技术支持:提供工具链,以便快速为辅助技术用户设置高性能的友好流程。
2. 项目快速启动
安装
首先,通过 npm 安装 Pragmatic Drag and Drop 的核心包:
npm install @atlaskit/pragmatic-drag-and-drop
基本使用
以下是一个简单的示例,展示如何在 React 中使用 Pragmatic Drag and Drop:
import React from 'react';
import { Draggable } from '@atlaskit/pragmatic-drag-and-drop/element/adapter';
const MyDraggableComponent = () => {
return (
<Draggable>
<div style={{ width: '100px', height: '100px', backgroundColor: 'blue' }}>
Drag me!
</div>
</Draggable>
);
};
export default MyDraggableComponent;
运行项目
确保你已经安装了 React 项目,然后运行以下命令启动项目:
npm start
3. 应用案例和最佳实践
应用案例
- Trello:使用 Pragmatic Drag and Drop 实现了卡片在列表之间的拖放功能。
- Jira:在任务板中使用该工具实现了任务的拖放排序。
- Confluence:在页面编辑器中使用该工具实现了内容的拖放布局。
最佳实践
- 性能优化:使用延迟加载功能,以减少页面加载时间。
- 辅助技术支持:确保为辅助技术用户提供友好的拖放体验。
- 自定义视觉输出:根据项目的设计语言自定义拖放的视觉输出。
4. 典型生态项目
Pragmatic Drag and Drop 可以与其他 Atlassian 项目和开源项目结合使用,以增强用户体验和功能。以下是一些典型的生态项目:
- Atlassian Design System:提供一致的设计语言和组件,可以与 Pragmatic Drag and Drop 结合使用。
- React:作为前端框架,与 Pragmatic Drag and Drop 无缝集成。
- Vue.js:另一个流行的前端框架,也可以与 Pragmatic Drag and Drop 结合使用。
- Svelte:轻量级的前端框架,适合与 Pragmatic Drag and Drop 一起使用以实现高性能的拖放体验。
通过结合这些生态项目,开发者可以创建出功能强大且用户体验良好的拖放应用。
登录后查看全文
热门项目推荐
相关项目推荐
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 StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
deepin linux kernel
C
31
16
Ascend Extension for PyTorch
Python
651
797
Claude 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 Started
Rust
1.25 K
153
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
1.1 K
611
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++
1.01 K
1.01 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
147
237
昇腾LLM分布式训练框架
Python
168
200
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
434
395
暂无简介
Dart
986
253