Pragmatic Drag and Drop:为你的项目带来极致拖放体验
2026-01-23 06:34:16作者:柯茵沙
在现代Web应用中,拖放功能已成为提升用户体验的重要手段。无论是任务管理、文件整理,还是数据排序,拖放操作都能显著简化用户交互。今天,我们要介绍的是一款名为Pragmatic Drag and Drop的开源项目,它为开发者提供了一个高效、灵活且跨平台的拖放解决方案。
项目介绍
Pragmatic Drag and Drop是一个低级别的拖放工具链,旨在安全且成功地利用浏览器的内置拖放功能。该项目由Atlassian团队开发,并已在多个知名产品中得到应用,如Trello、Jira和Confluence。Pragmatic Drag and Drop不仅支持React、Svelte、Vue、Angular等主流前端框架,还具备高度可定制性,能够满足各种复杂的拖放需求。
项目技术分析
核心功能
-
低级别拖放行为:
- 轻量级:核心包仅约
4.7kB,占用资源极少。 - 增量使用:开发者可以根据需求选择性地使用所需组件,避免不必要的资源浪费。
- 无头设计:完全控制渲染和样式,不依赖于任何特定的设计系统。
- 框架无关:兼容任何前端框架,确保跨平台的一致性。
- 延迟加载:支持延迟加载核心包和可选包,进一步提升页面加载速度。
- 灵活性:开发者可以创建任意拖放体验,并在拖放操作过程中进行任意修改。
- 全平台支持:在Firefox、Safari、Chrome、iOS和Android上均提供完整功能支持。
- 虚拟化支持:支持创建任意虚拟拖放体验。
- 轻量级:核心包仅约
-
可选的视觉输出:
- 提供可选的视觉输出(如拖放指示器),帮助开发者快速构建一致的用户体验。
- 非Atlassian用户可以选择使用这些输出,或创建自定义的视觉样式。
-
可选的辅助技术控制:
- 提供工具链,帮助开发者快速为辅助技术用户构建高性能的拖放体验。
- 基于Atlassian设计系统,开发者可以根据需求替换为自定义组件或其他方式。
技术架构
Pragmatic Drag and Drop的核心代码存储在内部monorepo中,并通过单向镜像的方式公开。虽然目前不接受代码贡献,但开发者仍可以在此仓库中提出问题或建议。所有文档和npm包均公开可用。
项目及技术应用场景
Pragmatic Drag and Drop适用于各种需要拖放功能的场景,包括但不限于:
- 任务管理:如Trello、Jira等项目管理工具中的任务拖放。
- 文件管理:如文件夹整理、文件排序等。
- 数据排序:如表格数据、列表数据的拖放排序。
- 自定义UI组件:如自定义拖放面板、拖放菜单等。
项目特点
- 高度可定制:Pragmatic Drag and Drop提供了丰富的可选包,开发者可以根据需求自由组合,实现高度定制化的拖放体验。
- 跨平台支持:无论是桌面端还是移动端,Pragmatic Drag and Drop均能提供一致的拖放体验。
- 辅助技术友好:项目提供了辅助技术控制,确保所有用户都能获得良好的拖放体验。
- 轻量级:核心包体积小,加载速度快,不影响页面性能。
- 框架无关:兼容主流前端框架,开发者无需担心技术栈的限制。
结语
Pragmatic Drag and Drop为开发者提供了一个强大且灵活的拖放解决方案,无论你是开发任务管理工具、文件管理系统,还是其他需要拖放功能的应用,Pragmatic Drag and Drop都能为你带来极致的开发体验。赶快尝试一下,让你的项目焕发新的活力吧!
文档:📖 文档
示例:🤹 示例
工作原理:🎥 工作原理
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 StartedRust0212
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0137
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
项目优选
收起
deepin linux kernel
C
32
16
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
468
461
暂无描述
Dockerfile
775
5.07 K
Ascend Extension for PyTorch
Python
756
960
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
872
2.01 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
696
1.4 K
昇腾LLM分布式训练框架
Python
183
230
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++
1.1 K
1.14 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.03 K
271
Oohos_react_native
React Native鸿蒙化仓库
C++
361
430