Pragmatic Drag and Drop 中如何传递自定义拖拽参数
2025-05-20 02:24:29作者:史锋燃Gardner
在实现拖拽交互功能时,开发者经常需要传递自定义数据或参数。Pragmatic Drag and Drop 库提供了灵活的数据传递机制,使开发者能够轻松地在拖拽过程中携带和访问自定义数据。
数据传递的核心机制
Pragmatic Drag and Drop 通过两种主要方式支持数据传递:
- 元素适配器:专门用于处理 HTML 元素的拖拽场景
- 数据存取方法:提供 getInitialData() 和 getData() 方法用于数据管理
实现数据传递的具体方法
1. 在可拖拽元素上设置初始数据
使用 getInitialData() 方法可以在拖拽开始时为元素附加自定义数据:
const draggable = makeDraggable({
element: document.getElementById('drag-item'),
getInitialData: () => ({
customParam: '自定义参数值',
elementType: 'special-item'
})
});
2. 在放置目标上获取数据
在放置目标处,可以通过 getData() 方法访问这些数据:
const dropTarget = makeDropTarget({
element: document.getElementById('drop-zone'),
getData: ({ source }) => {
const data = source.getData();
console.log(data.customParam); // 输出: "自定义参数值"
console.log(data.elementType); // 输出: "special-item"
}
});
实际应用场景
这种数据传递机制特别适用于以下场景:
- 列表重排序:携带项目ID和位置信息
- 看板系统:传递任务状态和优先级
- 表单构建器:携带组件类型和配置参数
- 文件管理器:传递文件元数据和权限信息
注意事项
- 传递的数据应当尽量轻量,避免包含大型对象
- 敏感数据不应通过这种方式传递
- 数据类型应保持简单(字符串、数字等)
- 考虑添加类型检查以确保数据完整性
通过合理使用这些数据传递机制,开发者可以构建出功能丰富且响应灵敏的拖拽交互界面。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler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。C098
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
477
3.56 K
React Native鸿蒙化仓库
JavaScript
287
340
暂无简介
Dart
728
175
Ascend Extension for PyTorch
Python
287
320
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++
849
446
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
233
98
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
10
1
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
450
180
🎉 (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
1.28 K
704