WebUI项目中如何正确使用webui.js进行事件绑定
在使用WebUI项目时,开发者可能会遇到一个常见问题:当通过webui_show()函数显示外部URL内容时,无法正常绑定事件。这种情况通常发生在开发者试图将WebUI与本地服务器(如Node.js Express)结合使用时。
问题本质
WebUI框架的核心功能之一是通过webui.js脚本实现前端与后端的通信。当开发者直接显示HTML字符串时,框架会自动处理webui.js的注入和通信机制。然而,当显示外部URL内容时,框架不会自动注入webui.js脚本,这会导致事件绑定失败。
解决方案
要解决这个问题,开发者需要明确告诉WebUI框架webui.js脚本应该从哪个端口获取。通过webui_set_port()函数可以设置WebUI的服务器端口,这样webui.js将通过指定的端口提供服务。
实现示例
以下是一个完整的实现示例(使用Zig语言):
const webui = @import("webui");
const std = @import("std");
// 启动Node.js服务器进程
var nodeServerProc = std.process.Child.init(&[_][]const u8{"node", "./index.js"}, std.heap.page_allocator);
pub fn main() !void {
// 设置Node.js服务器工作目录
var dir = try std.fs.cwd().openDir("./server_dist", .{});
defer dir.close();
try dir.setAsCwd();
// 配置子进程选项
nodeServerProc.stdin_behavior = .Ignore;
nodeServerProc.stdout_behavior = .Ignore;
nodeServerProc.stderr_behavior = .Ignore;
// 启动Node.js服务器
try nodeServerProc.spawn();
// 创建WebUI窗口
var nwin = webui.newWindow();
// 绑定事件处理函数
_ = nwin.bind("", handleEvent);
// 设置webui.js服务端口
_ = webui.setPort(&nwin, 5983);
// 显示由Node.js Express服务的内容
_ = nwin.show("http://localhost:5984/app");
// 进入主循环
webui.wait();
// 清理资源
webui.clean();
}
// 事件处理函数
fn handleEvent(e: webui.Event) void {
if (@intFromEnum(e.event_type) == 0) { // 断开连接事件
if (nodeServerProc.kill()) |_| {
std.debug.print("已关闭Node服务器\n", .{});
} else |_| {
std.debug.print("关闭Node服务器失败\n", .{});
}
}
}
关键点说明
-
端口设置:通过
webui_set_port()设置端口后,webui.js将通过http://localhost:指定端口/webui.js提供服务。 -
事件处理:可以检测
WEBUI_EVENT_DISCONNECTED事件来执行清理操作,如关闭子进程。 -
进程管理:示例中展示了如何启动和关闭Node.js子进程,确保资源正确释放。
-
跨进程通信:WebUI框架与本地服务器通过HTTP协议通信,实现了前后端分离的架构。
最佳实践
-
为WebUI服务使用固定端口,避免端口冲突。
-
确保前端页面正确引用了webui.js脚本,路径应为
http://localhost:指定端口/webui.js。 -
在窗口关闭或连接断开时,及时清理相关资源。
-
对于复杂的应用场景,可以考虑使用WebSocket等更高级的通信机制。
通过正确配置WebUI端口和事件处理机制,开发者可以灵活地将WebUI框架与各种本地服务器结合使用,构建功能丰富的桌面应用程序。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
yuanrongopenYuanrong runtime:openYuanrong 多语言运行时提供函数分布式编程,支持 Python、Java、C++ 语言,实现类单机编程高性能分布式运行。Go051
pc-uishopTNT开源商城系统使用java语言开发,基于SpringBoot架构体系构建的一套b2b2c商城,商城是满足集平台自营和多商户入驻于一体的多商户运营服务系统。包含PC 端、手机端(H5\APP\小程序),系统架构以及实现案例中应满足和未来可能出现的业务系统进行对接。Vue00
ebook-to-mindmapepub、pdf 拆书 AI 总结TSX01