在electron-egg项目中动态调整窗口尺寸的最佳实践
2025-07-03 10:42:13作者:鲍丁臣Ursa
背景介绍
electron-egg是一个基于Electron框架的开源项目,它提供了一套快速开发Electron应用的解决方案。在实际开发中,我们经常需要根据用户屏幕尺寸动态调整应用窗口的大小和位置,以提供更好的用户体验。
问题分析
在electron-egg项目中,开发者可能会尝试在config.default.js配置文件中直接获取屏幕尺寸信息来设置窗口宽高。然而,这种做法存在几个技术限制:
- config.default.js是静态配置文件,无法直接访问Electron的screen模块
- 窗口尺寸的计算需要基于动态获取的屏幕信息
- 窗口位置需要根据计算结果进行居中处理
解决方案
1. 在生命周期钩子中处理
electron-egg提供了完善的生命周期管理,我们可以在适当的生命周期阶段获取屏幕信息并调整窗口:
// 在electron/index.js中
module.exports = {
// 其他配置...
onReady(win) {
const { screen } = require('electron');
const { width, height } = screen.getPrimaryDisplay().workAreaSize;
const barHeight = screen.getPrimaryDisplay().workArea.y;
// 计算新尺寸 (16:9比例)
const newWidth = Math.round(width * (4 / 5));
const newHeight = Math.round(newWidth * (9 / 16)) + barHeight;
// 计算居中位置
const x = Math.round((width - newWidth) / 2);
const y = Math.round((height - newHeight) / 2);
// 设置窗口位置和大小
win.setBounds({ x, y, width: newWidth, height: newHeight });
}
};
2. 在预加载脚本中处理
另一种方法是在预加载脚本(preload/index.js)中处理窗口尺寸:
const { ipcRenderer, contextBridge } = require('electron');
contextBridge.exposeInMainWorld('electronAPI', {
adjustWindowSize: () => {
ipcRenderer.send('adjust-window-size');
}
});
然后在主进程中监听并处理:
// electron/index.js
ipcMain.on('adjust-window-size', () => {
// 同样的屏幕尺寸计算逻辑
// ...
mainWindow.setBounds({ x, y, width: newWidth, height: newHeight });
});
3. 初始配置与动态调整结合
最佳实践是结合初始配置和动态调整:
- 在config.default.js中设置初始窗口尺寸为较小值或隐藏窗口
- 在应用启动后动态计算并调整窗口尺寸
- 最后显示窗口,避免窗口尺寸变化时的视觉闪烁
// config.default.js
module.exports = {
windows: {
main: {
width: 800,
height: 600,
show: false, // 初始隐藏窗口
// 其他配置...
}
}
};
技术要点
- 屏幕信息获取:使用Electron的screen模块获取准确的显示器工作区尺寸
- 比例计算:根据16:9等常见比例计算窗口尺寸,同时考虑任务栏高度
- 窗口定位:通过计算确保窗口在屏幕中央显示
- 视觉优化:先隐藏窗口,调整好尺寸后再显示,提升用户体验
注意事项
- 多显示器环境下需要考虑不同显示器的尺寸和工作区
- 高DPI缩放环境下需要正确处理像素和逻辑尺寸的转换
- 窗口最小尺寸限制应合理设置,避免在小屏幕上显示不全
- 考虑保存用户最后一次的窗口位置和大小,下次启动时恢复
通过以上方法,开发者可以在electron-egg项目中实现灵活、自适应的窗口尺寸管理,为用户提供更好的视觉体验。
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
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
暂无简介
Dart
670
155
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++
660
308
Ascend Extension for PyTorch
Python
219
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
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
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
3.82 K
React Native鸿蒙化仓库
JavaScript
259
322