Sonner项目中Toast组件的悬停关闭机制解析
2025-05-23 16:26:31作者:柏廷章Berta
问题现象分析
在Sonner项目的Toast通知组件使用过程中,开发者发现当同时显示多个Toast通知时,如果用户将鼠标悬停在这些Toast上,然后在移出鼠标时,所有Toast会同时关闭,而不是按照预期的顺序逐个关闭。
技术原理探究
这个现象实际上与Toast组件的expand属性配置密切相关。在Sonner项目中,Toast组件提供了两种不同的显示模式:
-
折叠模式(expand=false):这是默认配置,所有Toast会堆叠在一起显示。在这种模式下,当用户与Toast交互时,系统会将所有Toast视为一个整体来处理悬停和关闭事件。
-
展开模式(expand=true):在这种配置下,每个Toast都会完全展开显示,保持各自的独立状态。此时每个Toast会有自己独立的悬停和关闭计时器。
解决方案建议
要解决多个Toast同时关闭的问题,开发者可以采用以下两种方案:
-
启用展开模式:通过设置
expand={true}属性,使每个Toast保持独立状态。这样当用户悬停和移出时,每个Toast会独立处理自己的关闭逻辑。 -
自定义关闭延迟:如果必须使用折叠模式,可以通过自定义每个Toast的关闭延迟时间,使它们不会同时触发关闭动画。
最佳实践
在实际项目开发中,建议根据具体场景选择合适的Toast显示模式:
- 对于需要强调每个通知独立性的场景,使用展开模式
- 对于需要节省屏幕空间、显示大量简短通知的场景,可以使用折叠模式
- 可以考虑根据通知数量动态切换模式,少量通知时展开,数量多时折叠
实现示例
// 展开模式示例 - 每个Toast独立关闭
<Toaster expand={true} />
// 或者为每个Toast设置不同的自动关闭延迟
toast('消息1', { duration: 3000 })
toast('消息2', { duration: 3500 })
toast('消息3', { duration: 4000 })
通过理解Sonner项目中Toast组件的这两种显示模式及其交互机制,开发者可以更好地控制通知的显示行为,提升用户体验。
登录后查看全文
热门项目推荐
相关项目推荐
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-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00- 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
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
FreeSql功能强大的对象关系映射(O/RM)组件,支持 .NET Core 2.1+、.NET Framework 4.0+、Xamarin 以及 AOT。C#00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
656
4.26 K
deepin linux kernel
C
27
14
Ascend Extension for PyTorch
Python
500
606
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
390
284
🎉 (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
1.54 K
891
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++
939
861
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
1.07 K
557
暂无简介
Dart
902
218
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
132
207
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++
123
195