Granite项目中的InView组件:React Native可视区域检测指南
2025-06-01 05:32:39作者:蔡怀权
什么是InView组件
Granite项目中的InView是一个专门为React Native设计的可视区域检测组件。它能够精确地监测某个元素何时开始出现在屏幕上,或者何时从屏幕上消失。这个功能在实现懒加载、曝光统计、动画触发等场景中非常有用。
核心功能
-
可视状态监测:当元素开始出现在屏幕上时,会触发回调并传入
true;当元素从屏幕消失时,则传入false。 -
曝光比例计算:回调函数的第二个参数会返回元素在屏幕上的曝光比例,范围从
0到1.0。例如,0.2表示元素有20%的面积显示在屏幕上。
使用前提
使用InView组件有一个重要前提条件:它必须被包裹在IOScrollView或IOFlatList组件内部,因为这些组件提供了必要的IOContext上下文环境。如果直接使用而不满足这个条件,将会抛出IOProviderMissingError错误。
组件参数详解
基础参数
- children (必需):要渲染的子组件内容
- as (可选,默认为View):指定实际渲染的组件类型
功能参数
- triggerOnce (布尔值,默认为false):设为true时,
onChange回调只会在元素首次出现时触发一次 - onLayout (函数):布局发生变化时的回调函数
- onChange (函数):元素可视状态变化时的回调函数,接收两个参数:
inView:布尔值,表示是否可见areaThreshold:0到1之间的数字,表示曝光比例
实际应用示例
下面是一个检测元素10%曝光点的完整示例:
import { LayoutChangeEvent, View, Text } from 'react-native';
import { InView, IOScrollView } from '@granite-js/react-native';
export function InViewExample() {
// 布局变化回调
const handleLayout = (event: LayoutChangeEvent) => {
console.log('布局尺寸变化', event.nativeEvent.layout);
};
// 可视状态变化回调
const handleChange = (inView: boolean, areaThreshold: number) => {
if (inView) {
console.log(`元素可见,曝光比例为${areaThreshold * 100}%`);
} else {
console.log('元素不可见');
}
};
return (
<IOScrollView>
{/* 占位视图,用于产生滚动空间 */}
<View style={{ height: 800, backgroundColor: 'blue' }}>
<Text style={{ color: 'white' }}>请向下滚动</Text>
</View>
{/* InView监测区域 */}
<InView onLayout={handleLayout} onChange={handleChange}>
<View style={{ width: 100, height: 300, backgroundColor: 'yellow' }}>
{/* 标记10%曝光点的参考线 */}
<View style={{
position: 'absolute',
top: 30, // 300高度的10%是30
width: 100,
height: 1,
borderWidth: 1
}}>
<Text style={{ position: 'absolute', top: 0 }}>10%曝光点</Text>
</View>
</View>
</InView>
</IOScrollView>
);
}
使用场景建议
- 内容懒加载:当用户滚动到特定位置时才加载内容,优化性能
- 曝光统计:精确统计广告或内容的实际曝光情况
- 交互动画:当元素进入视口时触发动画效果
- 无限滚动:配合列表实现无限滚动加载更多内容
性能优化提示
- 对于只需要触发一次的场景,设置
triggerOnce={true}可以减少不必要的回调 - 避免在
onChange回调中执行复杂计算或频繁的状态更新 - 对于大量列表项,考虑使用
IOFlatList替代IOScrollView以获得更好的性能
通过合理使用Granite项目中的InView组件,开发者可以轻松实现各种基于可视区域检测的交互功能,同时保持应用的性能表现。
登录后查看全文
热门项目推荐
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
暂无简介
Dart
669
155
Ascend Extension for PyTorch
Python
219
236
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
307
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
React Native鸿蒙化仓库
JavaScript
259
322
🔥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
🎉 (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
1.19 K
652
仓颉编程语言运行时与标准库。
Cangjie
141
877
仓颉编译器源码及 cjdb 调试工具。
C++
134
867