VanJS项目实战:实现可编辑的待办事项列表
2025-06-16 03:29:39作者:邬祺芯Juliet
前言
在Web开发中,待办事项(Todo List)是一个经典的学习案例,它涵盖了状态管理、UI渲染和用户交互等核心概念。本文将基于VanJS这个轻量级响应式UI库,深入讲解如何实现一个功能完善的待办事项应用,特别关注如何实现列表项的可编辑功能。
VanJS简介
VanJS是一个极简的JavaScript库,用于构建响应式用户界面。它采用声明式编程风格,通过简单的函数组合来创建UI组件,同时提供了响应式状态管理能力。VanJS的核心优势在于其极小的体积和直观的API设计。
待办事项应用设计
我们将实现一个具有以下功能的待办事项应用:
- 添加新的待办事项
- 标记事项为已完成
- 删除事项
- 编辑事项内容
- 本地存储持久化
核心实现解析
状态管理
首先,我们定义了两个状态类来管理应用数据:
class TodoItemState {
constructor(text, done, deleted) {
this.text = text;
this.done = done;
this.deleted = deleted;
}
serialize() {
return {text: this.text.val, done: this.done.val}
}
}
class TodoListState {
constructor(todos) {this.todos = todos;}
save() {
localStorage.setItem("appState", JSON.stringify(
(this.todos = this.todos.filter(t => !t.deleted.val)).map(t => t.serialize())))
}
static load = () => new TodoListState(
JSON.parse(localStorage.getItem("appState") ?? "[]")
.map((t) => new TodoItemState(van.state(t.text), van.state(t.done), van.state(false)))
)
add(text) {
this.todos.push(new TodoItemState(van.state(text), van.state(false), van.state(false)))
return new TodoListState(this.todos)
}
}
这里的关键点在于:
- 使用VanJS的
state函数创建响应式状态 - 实现了序列化和反序列化方法用于本地存储
- 通过静态方法
load从本地存储初始化状态
UI组件实现
待办事项项的组件实现如下:
const TodoItem = ({text, done, deleted}) => () => deleted.val ? null : div(
input({type: "checkbox", checked: done, onclick: e => done.val = e.target.checked}),
(done.val ? del(text) : input({type: "text", value: text.val, onchange: e => text.val = e.target.value})),
a({onclick: () => deleted.val = true}, "❌"),
)
这个组件的亮点在于:
- 根据
done状态动态切换显示方式- 已完成:显示删除线文本
- 未完成:显示可编辑的输入框
- 实现了删除功能
- 完全响应式,状态变更自动更新UI
主应用组件
const TodoList = () => {
const appState = van.state(TodoListState.load())
van.derive(() => appState.val.save())
const inputDom = input({type: "text"})
return div(
inputDom,
button({onclick: () => appState.val = appState.val.add(inputDom.value)}, "Add"),
(dom) => dom ?
van.add(dom, TodoItem(appState.val.todos.at(-1))) :
div(appState.val.todos.map(TodoItem)),
)
}
主组件负责:
- 初始化应用状态
- 设置状态变更时的自动保存
- 提供添加新事项的界面
- 渲染整个待办事项列表
关键技术点
响应式状态管理
VanJS使用state函数创建响应式状态变量。当状态值发生变化时,依赖该状态的UI会自动更新。在我们的实现中:
text、done和deleted都是响应式状态- 状态变更通过简单的赋值操作触发(
state.val = newValue)
条件渲染
待办事项项的渲染根据状态动态变化:
- 当
deleted为true时,返回null表示不渲染 - 当
done为true时,使用del元素显示带删除线的文本 - 当
done为false时,显示可编辑的输入框
本地存储集成
通过localStorage实现了数据的持久化:
save方法将状态序列化为JSON并存储load静态方法从存储中恢复状态- 使用
van.derive自动在状态变更时触发保存
总结
通过这个案例,我们展示了如何使用VanJS构建一个功能完整的待办事项应用。关键点包括:
- 合理的状态结构设计
- 响应式状态与UI的绑定
- 条件渲染实现不同状态的显示
- 本地存储集成实现数据持久化
这个实现虽然简洁,但涵盖了现代前端开发的核心理念。VanJS的轻量级特性使得开发者可以专注于业务逻辑,而不需要处理复杂的框架概念。对于初学者来说,这是一个很好的学习响应式编程和状态管理的案例。
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 StartedRust0212
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 Notebook0137
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
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
最新内容推荐
项目优选
收起
deepin linux kernel
C
32
16
暂无描述
Dockerfile
774
5.07 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++
872
2.01 K
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
468
461
Ascend Extension for PyTorch
Python
757
960
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++
696
1.4 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++
1.1 K
1.14 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
1.03 K
271
昇腾LLM分布式训练框架
Python
183
230
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
1.03 K
646