D2图表库中的子图样式覆盖方案探讨
2025-05-10 19:57:58作者:尤辰城Agatha
在图表可视化领域,D2作为一款声明式图表语言,其简洁的语法和强大的功能吸引了众多开发者。本文将深入探讨D2图表中一个常见的样式控制需求——如何高效地对图表子部分进行样式覆盖。
需求背景
在实际的图表开发中,我们经常需要对图表的特定部分进行差异化样式设置。例如在实现步骤流程图时,需要降低已完成步骤的透明度以突出当前步骤。传统做法需要对每个元素单独设置样式属性,这在复杂图表中会导致代码冗长且难以维护。
现有解决方案分析
目前D2提供了两种主要方式实现局部样式控制:
- 直接样式设置:对每个元素单独设置style属性
x.style.opacity: 0.4
y.style.opacity: 0.4
(x->y).style.opacity: 0.4
这种方式虽然直观,但在元素较多时代码会变得冗长。
- 类选择器方案:通过class属性批量设置样式
x.class: faded
y.class: faded
(x->y).class: faded
classes: {
faded: {
style.opacity: 0.4
}
}
这种方式通过CSS-like的类选择器机制,实现了样式的复用,是当前推荐的解决方案。
技术实现原理
D2的类选择器机制实际上实现了一个简单的样式继承系统:
- 通过
.class:语法为元素打标签 - 在
classes块中定义样式模板 - 渲染时自动将类样式应用到对应元素
这种设计借鉴了CSS的类选择器思想,但针对声明式图表语言的特点进行了简化。其优势在于:
- 保持语法的简洁性
- 支持样式的集中管理
- 便于批量修改和维护
最佳实践建议
基于当前D2的功能特性,我们推荐以下实践方案:
- 合理规划类结构:根据业务场景设计类层次,如
active-step、completed-step等 - 利用注释提高可读性:在复杂图表中添加注释说明类用途
- 组合使用全局和局部样式:通过全局样式设置基准,局部样式进行微调
未来演进方向
虽然类选择器方案已经能够满足大多数需求,但从语法简洁性角度考虑,未来可能会引入更直观的子图样式覆盖语法,如讨论中的括号分组语法。这类改进需要平衡语法复杂性和表达能力,确保D2保持其"易于编写"的核心优势。
总结
D2通过类选择器机制提供了灵活的局部样式控制方案,开发者可以通过合理使用类选择器来实现复杂的样式需求。理解这一机制的工作原理,将有助于开发者编写出更简洁、更易维护的图表代码。随着D2的持续发展,我们期待看到更多提升开发体验的样式控制方案出现。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0197
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0125
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
项目优选
收起
暂无描述
Dockerfile
766
5 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
863
1.95 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
689
1.35 K
Ascend Extension for PyTorch
Python
722
894
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
458
450
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++
1.08 K
1.11 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.02 K
264
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1.01 K
624
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
2.99 K
639
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
152
250