项目技术文档:Designing with Progressive Enhancement 代码示例
2024-12-20 03:49:30作者:郜逊炳
1. 安装指南
由于该项目已被归档,不再维护,因此不建议在新项目中使用。如果您仍然希望使用该项目,可以按照以下步骤进行安装:
-
克隆仓库:
git clone https://github.com/filamentgroup/dwpe-code-examples.git -
进入项目目录:
cd dwpe-code-examples -
安装依赖: 由于该项目依赖于 jQuery 和 EnhanceJS,您需要手动下载并引入这些库。
- 下载 jQuery:可以从 jQuery 官网 下载最新版本的 jQuery。
- 下载 EnhanceJS:可以从 EnhanceJS GitHub 仓库 下载 EnhanceJS。
-
引入依赖: 将下载的 jQuery 和 EnhanceJS 文件放入项目的
lib目录,并在 HTML 文件中引入:<script src="lib/jquery.min.js"></script> <script src="lib/enhance.js"></script>
2. 项目的使用说明
该项目包含了《Designing with Progressive Enhancement》一书中的代码示例。这些示例展示了如何使用 Progressive Enhancement(渐进增强)技术来构建适应不同浏览器能力的网页。
2.1 渐进增强的基本概念
渐进增强是一种设计理念,旨在确保网页在所有浏览器中都能正常工作,同时为支持高级功能的浏览器提供更好的用户体验。EnhanceJS 框架通过检测浏览器的功能,动态加载所需的 JavaScript 和 CSS 文件,从而实现渐进增强。
2.2 示例代码结构
每个示例代码通常包含以下部分:
- HTML 文件:定义页面的结构。
- CSS 文件:定义页面的样式。
- JavaScript 文件:使用 jQuery 和 EnhanceJS 实现功能增强。
2.3 运行示例
- 打开项目中的 HTML 文件,例如
example1.html。 - 在浏览器中打开该文件,查看示例效果。
3. 项目API使用文档
3.1 EnhanceJS API
EnhanceJS 提供了以下主要 API 用于渐进增强:
-
enhance.loadStyles:根据浏览器功能加载 CSS 文件。enhance.loadStyles([ "styles/basic.css", "styles/enhanced.css" ]); -
enhance.loadScripts:根据浏览器功能加载 JavaScript 文件。enhance.loadScripts([ "scripts/basic.js", "scripts/enhanced.js" ], function() { // 脚本加载完成后的回调函数 }); -
enhance.test:测试浏览器是否支持特定功能。if (enhance.test("svg")) { // 浏览器支持 SVG }
3.2 jQuery API
项目中的示例代码使用了 jQuery 的以下常用 API:
-
$选择器:选择 DOM 元素。var button = $("button.continue"); -
html方法:设置或获取元素的 HTML 内容。button.html("Next Step"); -
on方法:绑定事件处理函数。$("#button-container button").on("click", function() { // 处理点击事件 });
4. 项目安装方式
如前所述,项目已被归档,不再维护。如果您仍然希望使用该项目,可以通过以下方式安装:
-
克隆仓库:
git clone https://github.com/filamentgroup/dwpe-code-examples.git -
手动下载依赖:
- 下载 jQuery 和 EnhanceJS,并将其引入项目。
-
运行示例:
- 打开项目中的 HTML 文件,在浏览器中查看示例效果。
注意:由于该项目不再维护,建议仅用于学习和参考,不建议在新项目中使用。
登录后查看全文
热门项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
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
🔥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
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
392
3.88 K
暂无简介
Dart
671
156
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
React Native鸿蒙化仓库
JavaScript
260
322
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++
661
311
🎉 (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
1.2 K
654
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
15
1