Sonner库中实现Promise与自定义Toast的无缝集成
2025-05-23 14:42:35作者:庞队千Virginia
在React应用开发中,Toast通知是一个常见的UI组件,用于向用户展示操作反馈。Sonner作为一个轻量级的Toast通知库,提供了简洁易用的API。本文将深入探讨如何在使用Sonner时,将Promise操作与完全自定义样式的Toast通知相结合。
理解Sonner的基本Toast类型
Sonner默认提供了几种基础的Toast类型:
toast.loading- 表示操作正在进行中toast.success- 表示操作成功完成toast.error- 表示操作失败toast.custom- 允许完全自定义Toast的样式和内容
Promise与Toast的常规集成
Sonner提供了toast.promise方法,可以方便地将Promise操作与Toast通知关联起来。默认情况下,它会自动处理三种状态:
- 加载中(loading)状态
- 成功(success)状态
- 失败(error)状态
这种内置集成虽然方便,但样式上会受到限制,无法实现完全自定义的外观。
实现Promise与自定义Toast的集成
要实现Promise与完全自定义样式的Toast集成,可以采用以下技术方案:
- 手动更新Toast类型:首先创建一个基础Toast,然后在Promise的不同阶段手动更新它
- 使用Toast ID跟踪:通过Toast的唯一标识符来引用和更新特定的Toast实例
- 状态转换控制:在Promise的resolve和reject回调中,分别更新Toast的内容和样式
具体实现示例
// 创建初始Toast并获取其ID
const toastId = toast.custom(<YourCustomLoadingComponent />, {
duration: Infinity // 防止自动关闭
});
somePromise
.then((result) => {
// 成功时更新Toast
toast.custom(<YourCustomSuccessComponent data={result} />, {
id: toastId
});
})
.catch((error) => {
// 失败时更新Toast
toast.custom(<YourCustomErrorComponent error={error} />, {
id: toastId
});
});
高级技巧与最佳实践
- 抽象封装:可以创建一个高阶函数来封装这种模式,提高代码复用性
- 动画过渡:考虑在不同状态间添加平滑的过渡动画,提升用户体验
- 可访问性:确保自定义Toast组件遵循无障碍设计原则
- 性能优化:避免在频繁触发的操作中使用这种模式,防止Toast堆积
总结
通过手动控制Toast的更新过程,开发者可以突破Sonner库中toast.promise的默认样式限制,实现完全自定义的Promise状态通知。这种方法虽然需要更多的手动控制,但提供了极大的灵活性,特别适合对UI有严格设计要求的大型应用。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.83 K
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++
892
667
Ascend Extension for PyTorch
Python
376
445
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
349
200
昇腾LLM分布式训练框架
Python
116
145
🎉 (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
1.37 K
778
暂无简介
Dart
798
197
React Native鸿蒙化仓库
JavaScript
308
359
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
1.13 K
271