VanJS中reactive状态对象数组更新的正确方式
2025-06-16 01:06:11作者:宣聪麟
VanJS是一个轻量级的JavaScript框架,其vanX模块提供了响应式状态管理功能。在使用过程中,开发者可能会遇到数组类型状态更新不生效的问题。本文将深入分析这一现象的原因,并提供正确的解决方案。
问题现象
当开发者使用vanX.reactive创建一个包含数组的状态对象时,例如:
const config = vanX.reactive({colors: ["#ffffff"]})
然后在vanX.list中尝试直接修改数组元素的值:
vanX.list(ul, config.colors, ({val: v}, deleter) => li(
input({type: "color", value: v, oninput: e => v = e.target.value})
)
会发现虽然初始值能正确显示,但修改输入框的值后,状态并不会更新。
原因分析
这种现象源于VanJS响应式系统的设计原理。在VanJS中,直接修改原始数组元素的值不会触发响应式更新,因为:
- 原始值类型(如字符串)的修改无法被VanJS的响应式系统捕获
- 数组元素的直接赋值不会触发数组的setter
解决方案
方法一:使用.val属性
正确的做法是通过.val属性来修改值:
vanX.list(ul, config.colors, (v, deleter) => li(
input({type: "color", value: v, oninput: e => v.val = e.target.value})
)
这种方式的原理是:
- vanX.list会自动将数组元素包装为响应式对象
- 通过访问.val属性可以触发响应式更新
方法二:使用对象数组
另一种更推荐的方式是将数组元素改为对象形式:
const config = vanX.reactive({colors: [{value: "#ffffff"}]})
然后在模板中:
vanX.list(ul, config.colors, (color, deleter) => li(
input({
type: "color",
value: color.value,
oninput: e => color.value = e.target.value
})
)
这种方式更符合响应式编程的最佳实践,因为:
- 对象属性更容易被响应式系统追踪
- 代码可读性更好
- 便于未来扩展更多属性
最佳实践建议
- 对于简单场景,使用方法一的.val属性方式足够
- 对于复杂场景或需要扩展的情况,推荐使用对象数组
- 始终记住在VanJS中直接修改原始值不会触发更新
- 对于数组操作,使用vanX提供的API而非原生数组方法
通过理解这些原理和最佳实践,开发者可以更高效地使用VanJS构建响应式应用。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
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
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217