NornJ 开源项目教程
2024-09-19 11:38:49作者:戚魁泉Nursing
1. 项目介绍
NornJ(发音为 [ˌnɔ:nˈdʒeɪ],缩写为 nj)是一个基于模板引擎的 JS/JSX 扩展解决方案。它允许开发者在 React 开发中使用几乎所有的 JavaScript 语法,并且非常灵活。通过结合 NornJ 和 React/JSX,开发者可以获得更多新特性,如支持控制语句、指令、过滤器和自定义操作符。
NornJ 提供了两种类似的 API:JSX 和 Tagged templates,以适应不同用户的偏好。它还支持自定义扩展更多语法,提供了完备的 IDE 代码提示体验。
2. 项目快速启动
安装
首先,通过 npm 或 yarn 安装 babel-plugin-nornj-in-jsx:
npm install babel-plugin-nornj-in-jsx
# 或者
yarn add babel-plugin-nornj-in-jsx
配置 Babel
在 Babel 配置文件中添加 nornj-in-jsx 插件:
{
"plugins": ["nornj-in-jsx"]
}
示例代码
以下是一个简单的 React 组件示例,展示了如何在 JSX 中使用 NornJ 的扩展语法:
import React, { Component } from 'react';
class App extends Component {
state = {
todos: []
};
addTodo = e => {
const { todos } = this.state;
this.setState({
todos: todos.concat(`Item ${todos.length}`)
});
};
render() {
const { todos } = this.state;
return (
<div className="app">
<style jsx>{`
.app {
padding: 20px;
font-size: 0.75rem;
}
`}</style>
<ul>
<each of={todos} item="todo">
<if condition={index > 5}>
<li>{todo * 2}</li>
<elseif condition={index > 10}>
<li>{todo * 3}</li>
</elseif>
</if>
</each>
</ul>
<button n-show={todos.length > 0} onClick={this.addTodo}>
Add Todo
</button>
</div>
);
}
}
export default App;
3. 应用案例和最佳实践
应用案例
NornJ 可以用于构建复杂的 React 应用,特别是在需要大量控制流和自定义逻辑的场景中。例如,在一个待办事项列表应用中,可以使用 NornJ 的 <each> 和 <if> 语法来动态渲染列表项。
最佳实践
- 模块化开发:将模板和逻辑代码分离,使用 Tagged templates 来创建模板函数,这样可以更清晰地组织代码。
- 自定义扩展:利用 NornJ 的扩展能力,根据项目需求自定义新的语法和操作符。
- IDE 支持:确保配置好 Babel 和 IDE 插件,以获得最佳的代码提示和开发体验。
4. 典型生态项目
NornJ 生态项目
- nornj-react:NornJ 的 React 绑定库,提供了与 React 组件的无缝集成。
- nornj-loader:Webpack 加载器,用于在构建过程中处理 NornJ 模板。
- babel-plugin-nornj-in-jsx:Babel 插件,用于在 JSX 中启用 NornJ 语法。
- babel-preset-nornj-with-antd:结合 Ant Design 的 Babel 预设,方便在项目中使用 Ant Design 组件。
通过这些生态项目,开发者可以更高效地使用 NornJ 构建现代化的前端应用。
登录后查看全文
热门项目推荐
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
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 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
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
192
212
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++
650
270
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
297
111
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
384
3.69 K
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
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
React Native鸿蒙化仓库
JavaScript
243
316
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
66
96
暂无简介
Dart
633
143