Joint.js 项目中自定义图标导出为VSDX格式的解决方案
2025-06-10 12:59:26作者:乔或婵
问题背景
在使用Joint.js的Joint Plus扩展进行图表导出时,开发者遇到了一个常见问题:当尝试将包含自定义图标的图表导出为VSDX格式时,所有图像和样式都会丢失,导致导出的Visio文件中只显示空白形状。
问题分析
经过深入分析,发现问题的根源在于当前版本的Joint Plus扩展(4.0.4)无法正确处理基于字体图标的导出。开发者原本使用的是自定义字体(VemIcons)来显示图标,通过Unicode字符引用图标,这种方式在浏览器中显示正常,但在导出为VSDX格式时无法保留。
解决方案
1. 使用SVG图像替代字体图标
最有效的解决方案是将字体图标替换为SVG格式的图像。SVG作为矢量图形格式,不仅能够保持高质量的显示效果,还能被Visio导出功能正确处理。
实现步骤:
- 创建自定义元素类:继承自
dia.Element基类,定义专门用于显示图标的元素类型。
const markup = util.svg`
<image @selector='icon'></image>
`;
class DeviceIconModel extends dia.Element {
defaults() {
return util.defaultsDeep(
{
type: 'mapShapes.DeviceIconModel',
attrs: {
icon: {
href: 'assets/icons/heart.svg',
width: 48,
height: 48
}
},
},
super.defaults
);
}
preinitialize(): void {
this.markup = markup;
}
}
- 正确设置元素属性:将自定义数据存储在模型属性中,而非表示属性中。
const icon = new DeviceIconModel({
size: {
width: (item.size.width + item.size.height) / 2,
height: (item.size.width + item.size.height) / 2
},
position: item.position,
cursor: 'default',
data: {
mapObjId: item.mapObjId,
mapObjType: item.mapObjType,
icon: item.icon,
mapAssetId: mapAssetId,
link: item.link,
deviceType: item.deviceType,
mapAssetEntityId: assetEntityId
},
attrs: {
root: {
'data-tooltip': deviceDescription ?? null
},
icon: {
href: MapIconsDictionary[item.icon.replace('.gif', '')],
transform: 'translate(0,5)',
cursor: 'default'
}
}
});
2. 数据存储最佳实践
在Joint.js中,应该区分表示属性和模型数据:
- 表示属性(attrs):用于控制元素在视图中的显示方式,如位置、大小、颜色等
- 模型数据:存储业务相关的自定义数据,应直接存储在模型上
这种分离使得代码更加清晰,也便于维护和扩展。
实施建议
-
图标资源准备:将原有的字体图标转换为SVG格式,确保每个图标都有对应的SVG文件。
-
渐进式迁移:可以逐步将现有基于字体的图标替换为SVG版本,而不是一次性全部替换。
-
性能优化:对于大量使用相同图标的场景,可以考虑使用
<use>元素引用同一个SVG定义,减少文件大小。 -
样式处理:由于SVG图像不能通过CSS直接改变颜色,需要在SVG文件中预设好颜色方案,或者使用SVG滤镜实现动态着色。
总结
通过将字体图标替换为SVG图像,并正确组织数据存储结构,开发者可以成功解决Joint.js图表导出为VSDX格式时图标丢失的问题。这种解决方案不仅解决了当前问题,还提供了更好的代码组织和维护性,为未来的功能扩展打下了良好基础。
登录后查看全文
热门项目推荐
相关项目推荐
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
最新内容推荐
32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 ZLIB 1.3 静态库 Windows x64 版本:高效数据压缩解决方案完全指南 Jetson TX2开发板官方资源完全指南:从入门到精通 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 2023年最新HTMLCSSJS组件库:提升前端开发效率的必备资源 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
306
2.7 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
138
169
暂无简介
Dart
598
130
React Native鸿蒙化仓库
JavaScript
235
309
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++
632
232
仓颉编译器源码及 cjdb 调试工具。
C++
123
710
🎉 (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
1.06 K
616
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
197
74
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
1.03 K
460