vite-plugin-pwa 静态资源缓存配置指南
2025-06-22 17:50:30作者:滕妙奇
静态资源缓存机制解析
在使用 vite-plugin-pwa 插件时,开发者经常会遇到静态资源缓存配置的问题。该插件基于 Workbox 实现,提供了两种主要的静态资源缓存配置方式,理解它们的区别对于正确配置 PWA 缓存策略至关重要。
includeAssets 与 globPatterns 的区别
许多开发者容易混淆 includeAssets 和 globPatterns 这两个配置项:
-
includeAssets:专门用于处理放置在项目
public目录下的静态资源文件。这些文件不会被 Vite 处理,会直接复制到输出目录中。 -
globPatterns:用于匹配构建后
dist目录中的所有资源文件,包括经过 Vite 处理的资源(如被哈希重命名的文件)。
常见问题场景
当开发者尝试缓存通过 CSS 引用的图片资源(如 background: url(...))时,经常会遇到资源未被缓存的情况。这是因为:
- 这些资源通常位于
src/assets目录而非public目录 - 经过 Vite 构建后,这些文件会被哈希处理并输出到
dist/assets目录 - 使用
includeAssets配置无法正确捕获这些文件
正确配置方案
对于大多数项目,推荐使用 globPatterns 来配置需要缓存的静态资源:
VitePWA({
workbox: {
globPatterns: ['**/*.{js,css,html,png,jpg,jpeg,webp,svg,ico}']
}
})
这种配置方式可以自动捕获所有经过 Vite 处理的资源文件,包括:
- JavaScript 文件
- CSS 文件
- HTML 文件
- 各种图片格式(PNG、JPG、JPEG、WEBP、SVG)
- 网站图标(ICO)
最佳实践建议
-
对于直接放在
public目录下的静态资源,才需要使用includeAssets配置 -
对于通过模块系统引入的资源(如
import或 CSS 中的url()),应使用globPatterns -
构建后检查生成的
sw.js文件,确认所有需要缓存的资源都被正确列出 -
对于特殊文件类型,只需在
globPatterns数组中添加相应的扩展名即可
通过正确理解和使用这些配置选项,开发者可以确保 PWA 应用能够可靠地缓存所有必要的静态资源,提供更好的离线体验。
登录后查看全文
热门项目推荐
相关项目推荐
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-1.5暂无简介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
173
193
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++
647
263
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
269
93
暂无简介
Dart
622
140
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
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
620
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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