Flutter QuickJS 引擎使用教程
1. 项目介绍
flutter_qjs 是一个为 Flutter 开发的 QuickJS 引擎插件。QuickJS 是一个轻量级的 JavaScript 引擎,支持 ES2020 规范。flutter_qjs 插件基于 dart:ffi,支持除 Web 以外的所有平台。通过该插件,开发者可以在 Flutter 应用中嵌入 JavaScript 引擎,实现 Dart 与 JavaScript 之间的无缝交互。
2. 项目快速启动
2.1 安装依赖
首先,在 pubspec.yaml 文件中添加 flutter_qjs 依赖:
dependencies:
flutter_qjs: ^0.3.7
然后运行 flutter pub get 安装依赖。
2.2 基本使用
以下是一个简单的示例,展示如何在 Flutter 应用中使用 flutter_qjs 引擎:
import 'package:flutter_qjs/flutter_qjs.dart';
void main() async {
// 创建 FlutterQjs 对象
final engine = FlutterQjs(stackSize: 1024 * 1024); // 设置堆栈大小
// 建立事件循环
engine.dispatch();
try {
// 运行 JavaScript 脚本
final result = engine.evaluate("1 + 2");
print("JavaScript 执行结果: $result");
} catch (e) {
print("执行错误: ${e.toString()}");
}
// 关闭引擎
engine.port.close(); // 停止事件循环
engine.close(); // 关闭引擎
}
2.3 数据转换规则
Dart 与 JavaScript 之间的数据转换遵循以下规则:
Bool->booleanInt->numberDouble->numberString->stringUint8List->ArrayBufferList->ArrayMap->ObjectFunction->JSInvokable
3. 应用案例和最佳实践
3.1 动态脚本执行
在某些场景下,开发者可能需要在运行时动态执行 JavaScript 脚本。flutter_qjs 提供了一个简单的方式来实现这一点:
final script = "function add(a, b) { return a + b; }";
engine.evaluate(script);
final result = engine.evaluate("add(1, 2)");
print("动态脚本执行结果: $result");
3.2 与 Dart 函数交互
flutter_qjs 允许将 Dart 函数传递给 JavaScript 环境,并在 JavaScript 中调用这些函数:
void dartFunction(int a, int b) {
print("Dart 函数被调用: ${a + b}");
}
engine.evaluate("function callDartFunction(fn) { fn(1, 2); }");
engine.evaluate("callDartFunction", dartFunction);
4. 典型生态项目
4.1 Flutter 插件生态
flutter_qjs 可以与其他 Flutter 插件结合使用,例如与 flutter_webview 插件结合,实现 Web 与原生代码的混合开发。
4.2 动态配置管理
在某些应用中,可能需要通过远程配置文件动态调整应用行为。flutter_qjs 可以用于解析和执行这些配置文件中的 JavaScript 代码,从而实现动态配置管理。
4.3 游戏开发
在游戏开发中,flutter_qjs 可以用于实现脚本化的游戏逻辑,允许开发者通过 JavaScript 编写游戏规则和行为,从而提高开发效率和灵活性。
通过以上内容,您应该已经对 flutter_qjs 有了基本的了解,并能够开始在 Flutter 项目中使用它。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。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
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
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00