当前位置: 首页 > news >正文

taro使用小记 —— 持续更新

目录

        • 1、在 taro 中使用 `axios`
        • 2、在 taro 中添加全局组件自动引入和方法自动引入
        • 3、在 taro 中使用 pinia

1、在 taro 中使用 axios

taro 3.6 版本已经支持了网络请求库。 需安装插件 @tarojs/plugin-http
使用和注意事项说明:
https://www.npmjs.com/package/@tarojs/plugin-http
和平常使用 axios 的方式一致
在这里插入图片描述

2、在 taro 中添加全局组件自动引入和方法自动引入

使用 unplugin-vue-componentsunplugin-auto-import
在这里插入图片描述

// webpack 配置
const commonChain = (chain) => {// 自动导入// https://github.com/antfu/unplugin-auto-importchain.plugin('unplugin-auto-import').use(AutoImport({imports: ['vue',// https://vuejs.org/guide/extras/reactivity-transform.html#refs-vs-reactive-variables'vue/macros',],// 自动生成 ts 声明文件的位置dts: 'types/auto-imports.d.ts',// 自动导入方法所在的文件目录- 这里添加 utils 和 storedirs: ['src/utils', 'src/store'],vueTemplate: true,}),)chain.plugin('unplugin-vue-components').use(Components({resolvers: [NutUIResolver({ taro: true })]}))}

3、在 taro 中使用 pinia

注:使用 pinia@2.0.22 及以上版本时, 已经不需要 taro-plugin-pinia 这个插件了。官方原文说明如下:https://taro-docs.jd.com/docs/pinia

安装 npm install pinia
在 入口文件 app.ts 中修改如下:

import Taro from '@tarojs/taro'
import { createApp } from 'vue'
import { createPinia } from 'pinia'import './app.scss'const App = createApp({// 程序启动或者由后台切换到前台时触发onShow() {},// 入口组件不需要实现 render 方法,即使实现了也会被 taro 所覆盖
})App.use(createPinia())export default App
http://www.lryc.cn/news/93009.html

相关文章:

  • 【LeetCode】110. 平衡二叉树
  • SQL视图、存储过程、触发器
  • DNS隧道穿透
  • 1.2 Scala变量与数据类型
  • 深入探讨软件测试的质量度量指标
  • 6.12作业
  • RabbitMQ集群部署之镜像模式
  • 【算法】Remove Zero Sum Consecutive Nodes from Linked List 从链表中删去总和值为零的连续节点
  • 音悦台项目测试报告
  • 数据库存储过程和函数
  • Spring依赖注入有哪些?各有什么优缺点?
  • java八股文-并发篇
  • Elasticsearch8.6.0安装
  • Vue - 第五天 动态组件 插槽 自定义指令
  • 如何开展web自动化测试
  • 【博学谷学习记录】超强总结,用心分享 | 架构师 Maven学习总结
  • PPT里文字太多如何排版-一口气教你7种布局瞬间让PPT高大上起来
  • Whistle(基于 Node 实现的跨平台抓包调试工具)的使用
  • 数学模型:Python实现非线性规划
  • Docker网路模型(四)使用 bridge 网络
  • 数据结构与算法之美 | 排序(2)
  • 【外企面试系列】必备口语短语与例句 - A系列
  • Java使用Opencv进行大图找小图并使用其找图功能进行bilibili视频下载案例
  • 肠道健康从核心菌属开始:肠道菌群的关键
  • 深度学习实战37-NASNet(具有自动搜索能力的神经网络模型)的搭建与实战应用
  • 碳排放预测模型 | Python实现基于机器学习回归分析的碳排放预测模型——随机森林、决策树、KNN 和多层感知器 (MLP) 预测分析
  • 人体检测技术之毫米波雷达
  • “Chain of Thought Reasoning“ 和 “Chain Prompts“ 是什么
  • signal
  • 深度研究微软的资产负债表和财务状况以及未来投资价值