Excalidraw 组件中如何正确获取和保存画布数据
2025-04-28 05:02:49作者:尤峻淳Whitney
在使用 Excalidraw 这个开源白板工具时,开发者经常会遇到需要获取和保存画布数据的需求。本文将深入探讨一个典型场景:如何在 React 组件中正确获取 Excalidraw 的最新画布数据,特别是在组件卸载时保存当前状态。
问题背景
在 React 应用中集成 Excalidraw 组件时,开发者通常会遇到以下需求:
- 初始化画布时加载预设数据
- 在用户操作后获取最新的画布状态
- 在组件卸载时保存当前画布数据
常见误区
许多开发者会尝试通过 excalidrawAPI 的引用来获取画布数据,特别是在 useEffect 的清理函数中。这种方法看似合理,但实际上存在几个问题:
- API 引用滞后:
excalidrawAPI是通过回调函数设置的,可能在组件卸载时还未更新 - 状态不同步:直接通过 API 获取的数据可能不是最新的用户操作结果
- 异步更新问题:画布更新是异步的,API 获取的数据可能有延迟
最佳实践解决方案
Excalidraw 提供了一个更可靠的解决方案:使用 onChange 回调函数。这个方法会在每次画布内容变化时触发,确保我们总是能获取到最新的状态。
实现代码示例
const sceneData = useRef(null);
useEffect(() => {
return () => {
// 组件卸载时将数据存储到状态管理库中
if (sceneData.current) {
dispatch(setExcaliDraw({
initData: {
elements: sceneData.current.elements,
appState: {
viewBackgroundColor: sceneData.current.appState.viewBackgroundColor,
gridSize: sceneData.current.appState.gridSize
}
}
}));
}
};
}, []);
<Excalidraw
initialData={initData}
langCode={'zh-CN'}
theme={platFormTheme.background === 'light' ? THEME.LIGHT : THEME.DARK}
onChange={(elements, appState, files) => {
sceneData.current = {
elements,
appState,
files
};
}}
excalidrawAPI={(api) => {
setExcalidrawAPI(api);
}}
/>
技术原理分析
- 实时数据捕获:
onChange回调会在每次用户交互后立即触发,确保数据最新 - 引用持久化:使用
useRef存储数据,避免不必要的重新渲染 - 组件生命周期管理:在清理函数中访问 ref 数据,确保卸载时能获取到最新状态
扩展应用场景
这种模式不仅适用于组件卸载时的数据保存,还可以应用于:
- 自动保存功能:定期将
sceneData.current发送到服务器 - 撤销/重做功能的增强:基于最新状态实现自定义历史记录
- 协同编辑场景:将变化实时同步到其他客户端
性能优化建议
- 对于频繁更新的场景,可以考虑对
onChange进行节流 - 大型画布可以考虑只保存变化的部分而非完整状态
- 使用 Web Worker 处理数据序列化和反序列化
通过这种模式,开发者可以可靠地获取和保存 Excalidraw 的画布状态,避免因 React 组件生命周期和异步更新带来的数据不一致问题。
登录后查看全文
热门项目推荐
相关项目推荐
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-1.5暂无简介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
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
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
185
196
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
480
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
276
97
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.44 K
暂无简介
Dart
623
140
React Native鸿蒙化仓库
JavaScript
242
315
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
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++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210