JEECG-Boot积木大屏组件图标404问题解决方案
问题背景
在JEECG-Boot项目中集成积木大屏1.9.1版本时,虽然通过网关配置/darg/**路由能够成功访问大屏页面,但在点击设计功能时,发现上方组件的小图标无法正常加载,出现404错误。这种情况通常是由于资源路径映射配置不完整导致的。
问题分析
积木大屏的设计界面需要加载多种静态资源,包括组件图标等。当这些资源请求路径与后端实际存储路径不一致时,就会出现404错误。从错误截图可以看出,浏览器尝试请求/img/目录下的资源,但未能成功获取。
解决方案
要解决这个问题,需要在网关配置中增加对/img/**路径的映射规则。具体配置如下:
{
"id": "jeecg-system-api-rewrite",
"order": 0,
"predicates": [
{
"name": "Path",
"args": {
"_genkey_0": "/img/**"
}
}
],
"filters": [
{
"name": "RewritePath",
"args": {
"_genkey_0": "/img/(?<segment>.*)",
"_genkey_1": "/drag/lib/img/${segment}"
}
}
],
"uri": "lb://jeecg-system"
}
配置说明
-
predicates部分定义了匹配规则,当请求路径以/img/开头时,会应用此路由规则。
-
filters部分使用RewritePath过滤器,将请求路径中的/img/重写为/drag/lib/img/,保持路径的其余部分不变。
-
uri指定了实际处理请求的后端服务,使用负载均衡方式指向jeecg-system服务。
实现原理
这种配置实现了请求路径的重定向,当浏览器请求/img/下的资源时,网关会将这些请求实际转发到/drag/lib/img/目录下。积木大屏的静态资源实际上存放在/drag/lib/img/目录中,通过这种重写规则,前端可以保持原有的请求路径不变,而后端能够正确找到资源文件。
注意事项
-
确保积木大屏的所有静态资源文件确实存在于/drag/lib/img/目录中。
-
如果项目中有其他需要特殊处理的静态资源路径,也需要在网关中配置相应的重写规则。
-
在微服务架构中,静态资源的路径映射是常见问题,建议在项目初期就规划好静态资源的存放位置和访问路径。
通过以上配置,积木大屏设计界面中的组件图标应该能够正常显示,设计功能可以完整使用。这种解决方案不仅适用于积木大屏模块,也可以作为处理类似静态资源访问问题的参考方案。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~052CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0305- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









