Storybook 9 视口(viewport) API 重大变更解析
2025-04-29 12:25:50作者:范靓好Udolf
Storybook 8.x版本对视口(viewport)功能进行了重大重构,引入了全新的API设计。本文将详细解析这一变更的技术细节,帮助开发者顺利过渡到Storybook 9的新API。
旧版视口配置回顾
在Storybook 8之前,开发者主要通过viewportStoryGlobals选项来配置视口参数。这种方式需要将视口设置作为全局变量(globals)的一部分进行管理,配置方式相对复杂且不够直观。
典型的旧版配置示例如下:
export const parameters = {
viewport: {
viewports: {
mobile1: {
name: 'Small mobile',
styles: {
width: '320px',
height: '568px'
}
}
}
}
}
新版API设计理念
Storybook 9彻底重构了视口API,移除了viewportStoryGlobals选项,转而采用更加简洁直观的配置方式。这一变更基于以下设计考虑:
- 配置简化:减少不必要的中间层,直接通过options对象进行配置
- 一致性:与其他Storybook API保持一致的配置风格
- 可维护性:降低API的复杂度,便于长期维护
新版配置方式详解
新版API允许开发者直接在story的配置中定义视口参数:
export default {
title: 'Example/Button',
parameters: {
viewport: {
defaultViewport: 'mobile1',
viewports: {
mobile1: {
name: 'Small mobile',
styles: {
width: '320px',
height: '568px'
}
}
}
}
}
}
主要变更点包括:
- 移除了
viewportStoryGlobals选项 - 视口配置直接集成到常规参数系统中
- 支持更灵活的视口定义方式
迁移指南
对于从旧版升级的项目,需要进行以下调整:
- 查找并替换:项目中所有使用
viewportStoryGlobals的地方 - 配置转换:将原有全局视口配置转换为新版参数格式
- 测试验证:确保所有视口相关功能正常工作
建议的迁移步骤:
- 首先升级到Storybook 8.x最新版
- 逐步将视口配置转换为新版格式
- 最后升级到Storybook 9
最佳实践
基于新版API,推荐以下视口配置实践:
- 预设视口:利用Storybook提供的预设视口(如iPhone X、iPad等)
- 项目专属视口:为项目定义专属的视口集合
- 组件级视口:可以为特定组件定义专属视口
// 使用预设视口
import { INITIAL_VIEWPORTS } from '@storybook/addon-viewport';
export default {
parameters: {
viewport: {
viewports: INITIAL_VIEWPORTS
}
}
}
总结
Storybook 9对视口API的重构是向更简洁、更一致的配置系统迈进的重要一步。虽然这一变更需要现有项目进行一定程度的迁移工作,但长远来看将显著提升配置的直观性和可维护性。开发者应尽快熟悉新版API,以便充分利用Storybook强大的视口测试功能。
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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 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 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
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
672
157
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++
662
312
React Native鸿蒙化仓库
JavaScript
262
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
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218