Neutralinojs中windowClose事件未触发的解决方案
背景介绍
Neutralinojs是一个轻量级的跨平台桌面应用开发框架,它允许开发者使用HTML、CSS和JavaScript来构建原生应用。在使用过程中,开发者可能会遇到窗口关闭事件(windowClose)未被触发的问题。
问题现象
当开发者按照官方文档配置了windowClose事件监听器后,发现点击窗口关闭按钮时,预期的事件回调函数并没有被执行。这会导致无法在窗口关闭前执行必要的清理操作或确认流程。
原因分析
经过深入研究发现,这是由于Neutralinojs的默认配置行为导致的。在neutralino.config.json配置文件中,存在一个关键参数exitProcessOnClose,其默认值为true。这个参数控制着窗口关闭时是否立即终止整个应用进程。
当exitProcessOnClose为true时,系统会在窗口关闭时立即终止进程,导致事件循环被强制结束,windowClose事件根本没有机会被触发。
解决方案
要解决这个问题,需要在项目配置文件neutralino.config.json中添加或修改以下配置:
{
"modes": {
"window": {
"exitProcessOnClose": false
}
}
}
这个配置告诉Neutralinojs框架在窗口关闭时不要立即终止进程,而是先触发windowClose事件,让开发者有机会处理关闭前的逻辑。
完整示例代码
以下是正确使用windowClose事件的完整示例:
<!DOCTYPE html>
<html>
<head>
<meta charset="UTF-8" />
<title>窗口关闭事件示例</title>
</head>
<body>
<h1>Neutralinojs窗口关闭事件演示</h1>
<script src="neutralino.js"></script>
<script>
Neutralino.init();
Neutralino.events.on("ready", () => {
console.log("应用已准备就绪");
});
Neutralino.events.on("windowClose", async () => {
const choice = await Neutralino.os.showMessageBox("确认", "确定要退出应用吗?",
"YES_NO", "QUESTION");
if(choice == "YES") {
Neutralino.app.exit();
}
});
</script>
</body>
</html>
对应的neutralino.config.json配置:
{
"applicationId": "js.neutralino.sample",
"modes": {
"window": {
"title": "窗口关闭示例",
"width": 800,
"height": 600,
"exitProcessOnClose": false
}
}
}
进阶用法
除了基本的关闭确认外,windowClose事件还可以用于:
- 保存未提交的表单数据
- 记录应用状态
- 清理临时文件
- 发送分析数据
- 执行其他必要的清理操作
注意事项
-
确保在windowClose事件处理函数中最终调用Neutralino.app.exit()来退出应用,否则应用可能会继续在后台运行。
-
如果确实需要立即退出而不触发事件,可以保持exitProcessOnClose为true。
-
在某些平台上,强制终止进程(如通过任务管理器)可能仍然会绕过windowClose事件。
通过正确配置和使用windowClose事件,开发者可以更好地控制应用的关闭流程,提供更专业的用户体验。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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