博客
关于我
简单模板模式
阅读量:404 次
发布时间:2019-03-06

本文共 2854 字,大约阅读时间需要 9 分钟。

简单模板模式是一种通过格式化字符串拼接来生成视图的技术,旨在减少视图层面上的节点操作,从而解决数据与结构的强耦合性问题。与模板方法模式相比,它更注重技术实现的简洁性和灵活性。

节点操作

在传统的节点操作中,生成列表往往涉及繁琐的DOM操作。例如:

const list = [  { name: 'Google', url: 'https://www.google.com' },  { name: 'Baidu', url: 'https://www.baidu.com' },  { name: 'Bing', url: 'https://cn.bing.com' }];const root = document.getElementById('root');const ul = document.createElement('ul');list.forEach((item) => {  const li = document.createElement('li');  const a = document.createElement('a');  a.href = item.url;  a.target = '_blank';  a.innerText = item.name;  li.appendChild(a);  ul.appendChild(li);});root.appendChild(ul);

这种方法虽然功能上可行,但当数据规模扩大时,代码的可读性和维护性会显著下降。

基于字符串拼接的实现

为了减少节点操作的复杂性,开发者常常采用字符串拼接的方式。例如:

const template = `
`;root.innerHTML = template;

这种方法虽然简化了操作,但由于字符串与数据的强耦合,一旦数据或结构发生变化,整个视图就需要重新生成,导致维护成本上升。

模板渲染

为了进一步提升代码的可读性,开发者引入了模板渲染的概念。通过将数据格式化到模板字符串中,实现视图的渲染。例如:

const formatString = (str, data) => {  return str.replace(/\{\{(\w+)\}\}/g, (match, key) => data[key]);};const template = ['
    '];list.forEach((item) => { template.push( `
  • ${name}
  • ` .replace('{{url}}', item.url) .replace('{{name}}', item.name) );});template.push('
');root.innerHTML = template.join('');

这种方法通过动态替换模板字符串,显著提升了代码的可读性和维护性。

模板引擎的简单实现

为了更灵活地处理模板语法,开发者常常使用模板引擎。例如,可以通过以下方法实现简单的模板语法:

function render(element, data) {  const originString = element.innerHTML;  let html = originString    .replace(/"/g, '\\\"')    .replace(/\s+/g, ' ')    .replace(/\{\{(.+?)\}\}/g, (match, key) => data[key]);  html = `var targetHTML = "${html}";return targetHTML;`;  const parsedHTML = new Function(...Object.keys(data))(...Object.values(data));  element.innerHTML = parsedHTML;}

通过这种方式,开发者可以在模板字符串中嵌入多种数据字段,并在需要时动态替换内容。

AST解析

为了进一步优化模板渲染过程,开发者可以采用AST(抽象语法树)解析的方式。例如:

function parseAST(root) {  const node = {    parent: null,    type: 'tag',    tagName: root.localName,    children: [],    attr: {}  };  Array.from(root.attributes).forEach(item => {    node.attr[item.name] = item.value;  });  Array.from(root.childNodes).forEach(child => {    const childNode = parseAST(child);    childNode.parent = node;    node.children.push(childNode);  });  return node;}function generateHTMLTemplate(AST) {  let template = '';  function traverse(node) {    if (node.type === 'tag') {      template += `<${node.tagName}>`;      traverse(node.children[0]);      traverse(node.children[1] || node.children[2] || node.children[3]);      template += `
`; } else { template += node.content; } } traverse(AST); return template;}const root = document.getElementById('root');const ast = parseAST(root);const template = generateHTMLTemplate(ast);render(root, template, data);

这种方式通过解析模板字符串为AST,进一步提升了渲染效率,特别是在数据频繁变动的情况下。

每日一题

GitHub - WindrunnerMax/EveryDay

参考

  • Juejin - 模板引擎实现
  • Libin的博客 - 模板模式
  • LayUI模板引擎
  • 你可能感兴趣的文章
    Netty源码—7.ByteBuf原理四
    查看>>
    Objective-C实现获取CPU温度(附完整源码)
    查看>>
    Objective-C实现获取文件头的50个字符(附完整源码)
    查看>>
    OJ中常见的一种presentation error解决方法
    查看>>
    OK335xS UART device registe hacking
    查看>>
    ok6410内存初始化
    查看>>
    one_day_one--mkdir
    查看>>
    OpenCV 中的图像转换
    查看>>
    opencv5-图像混合
    查看>>
    opencv9-膨胀和腐蚀
    查看>>
    OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
    查看>>
    OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
    查看>>
    OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
    查看>>
    Opencv中KNN背景分割器
    查看>>
    OpenCV中基于已知相机方向的透视变形
    查看>>
    opencv保存图片路径包含中文乱码解决方案
    查看>>
    opencv图像分割2-GMM
    查看>>