vue的双向绑定原理及实现_vue绑定数据

vue的双向绑定原理及实现_vue绑定数据一、什么是双向绑定我们先从单向绑定切入单向绑定非常简单,就是把Model绑定到View,当我们用JavaScript代码更新Model时,View就会自动更新双向绑定就很容易联想到了,在单向绑定的基础上,用户更新了View,Model的数据也自动被更新了,这种情况就是双向绑定举个栗子当用户填写表单时,View的状态就被更新了,如果此时可以自动更新Model的状态,那就相当于我们把Model和View做了双向绑定关系图如下二、双向绑定的原理是什么我们都知道Vue是数

大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全系列IDE使用 1年只要46元 售后保障 童叟无欺

一、什么是双向绑定

我们先从单向绑定切入

单向绑定非常简单,就是把Model绑定到View,当我们用JavaScript代码更新Model时,View就会自动更新

双向绑定就很容易联想到了,在单向绑定的基础上,用户更新了ViewModel的数据也自动被更新了,这种情况就是双向绑定

举个栗子

vue的双向绑定原理及实现_vue绑定数据

当用户填写表单时,View的状态就被更新了,如果此时可以自动更新Model的状态,那就相当于我们把ModelView做了双向绑定

关系图如下

vue的双向绑定原理及实现_vue绑定数据

二、双向绑定的原理是什么

我们都知道 Vue 是数据双向绑定的框架,双向绑定由三个重要部分构成

  • 数据层(Model):应用的数据及业务逻辑

  • 视图层(View):应用的展示效果,各类UI组件

  • 业务逻辑层(ViewModel):框架封装的核心,它负责将数据与视图关联起来

而上面的这个分层的架构方案,可以用一个专业术语进行称呼:MVVM

这里的控制层的核心功能便是 “数据双向绑定” 。自然,我们只需弄懂它是什么,便可以进一步了解数据绑定的原理

理解ViewModel

它的主要职责就是:

  • 数据变化后更新视图

  • 视图变化后更新数据

当然,它还有两个主要部分组成

  • 监听器(Observer):对所有数据的属性进行监听

  • 解析器(Compiler):对每个元素节点的指令进行扫描跟解析,根据指令模板替换数据,以及绑定相应的更新函数

    三、实现双向绑定

    我们还是以Vue为例,先来看看Vue中的双向绑定流程是什么的

    1. new Vue()首先执行初始化,对data执行响应化处理,这个过程发生Observe

    2. 同时对模板执行编译,找到其中动态绑定的数据,从data中获取并初始化视图,这个过程发生在Compile

    3. 同时定义⼀个更新函数和Watcher,将来对应数据变化时Watcher会调用更新函数

    4. 由于data的某个key在⼀个视图中可能出现多次,所以每个key都需要⼀个管家Dep来管理多个Watcher

    5. 将来data中数据⼀旦发生变化,会首先找到对应的Dep,通知所有Watcher执行更新函数

    流程图如下:

    vue的双向绑定原理及实现_vue绑定数据

    实现

    先来一个构造函数:执行初始化,对data执行响应化处理

    class Vue {
      constructor(options) {
        this.$options = options;
        this.$data = options.data;
          
        // 对data选项做响应式处理
        observe(this.$data);
          
        // 代理data到vm上
        proxy(this);
          
        // 执行编译
        new Compile(options.el, this);
      }
    }

    data选项执行响应化具体操作

    function observe(obj) {
      if (typeof obj !== "object" || obj == null) {
        return;
      }
      new Observer(obj);
    }
    ​
    class Observer {
      constructor(value) {
        this.value = value;
        this.walk(value);
      }
      walk(obj) {
        Object.keys(obj).forEach((key) => {
          defineReactive(obj, key, obj[key]);
        });
      }
    }

    编译Compile

    对每个元素节点的指令进行扫描跟解析,根据指令模板替换数据,以及绑定相应的更新函数

    vue的双向绑定原理及实现_vue绑定数据

    class Compile {
      constructor(el, vm) {
        this.$vm = vm;
        this.$el = document.querySelector(el);  // 获取dom
        if (this.$el) {
          this.compile(this.$el);
        }
      }
      compile(el) {
        const childNodes = el.childNodes; 
        Array.from(childNodes).forEach((node) => { // 遍历子元素
          if (this.isElement(node)) {   // 判断是否为节点
            console.log("编译元素" + node.nodeName);
          } else if (this.isInterpolation(node)) {
            console.log("编译插值⽂本" + node.textContent);  // 判断是否为插值文本 {
       
       {}}
          }
          if (node.childNodes && node.childNodes.length > 0) {  // 判断是否有子元素
            this.compile(node);  // 对子元素进行递归遍历
          }
        });
      }
      isElement(node) {
        return node.nodeType == 1;
      }
      isInterpolation(node) {
        return node.nodeType == 3 && /\{\{(.*)\}\}/.test(node.textContent);
      }
    }

    依赖收集

    视图中会用到data中某key,这称为依赖。同⼀个key可能出现多次,每次都需要收集出来用⼀个Watcher来维护它们,此过程称为依赖收集

    多个Watcher需要⼀个Dep来管理,需要更新时由Dep统⼀通知

    vue的双向绑定原理及实现_vue绑定数据

    实现思路

    1. defineReactive时为每⼀个key创建⼀个Dep实例

    2. 初始化视图时读取某个key,例如name1,创建⼀个watcher1

    3. 由于触发name1getter方法,便将watcher1添加到name1对应的Dep中

    4. name1更新,setter触发时,便可通过对应Dep通知其管理所有Watcher更新

    // 负责更新视图
    class Watcher {
      constructor(vm, key, updater) {
        this.vm = vm
        this.key = key
        this.updaterFn = updater
    ​
        // 创建实例时,把当前实例指定到Dep.target静态属性上
        Dep.target = this
        // 读一下key,触发get
        vm[key]
        // 置空
        Dep.target = null
      }
    ​
      // 未来执行dom更新函数,由dep调用的
      update() {
        this.updaterFn.call(this.vm, this.vm[this.key])
      }
    }

    声明Dep

    class Dep {
      constructor() {
        this.deps = [];  // 依赖管理
      }
      addDep(dep) {
        this.deps.push(dep);
      }
      notify() { 
        this.deps.forEach((dep) => dep.update());
      }
    }

    创建watcher时触发getter

    class Watcher {
      constructor(vm, key, updateFn) {
        Dep.target = this;
        this.vm[this.key];
        Dep.target = null;
      }
    }

    依赖收集,创建Dep实例

    function defineReactive(obj, key, val) {
      this.observe(val);
      const dep = new Dep();
      Object.defineProperty(obj, key, {
        get() {
          Dep.target && dep.addDep(Dep.target);// Dep.target也就是Watcher实例
          return val;
        },
        set(newVal) {
          if (newVal === val) return;
          dep.notify(); // 通知dep执行更新方法
        },
      });
    }

    ##

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请联系我们举报,一经查实,本站将立刻删除。

发布者:全栈程序员-站长,转载请注明出处:https://javaforall.net/194014.html原文链接:https://javaforall.net

(0)
全栈程序员-站长的头像全栈程序员-站长


相关推荐

  • spss之单因素方差分析因子不显示_无重复单因素方差分析

    spss之单因素方差分析因子不显示_无重复单因素方差分析方差分析方差分析又称F检验,在实际应用中常常需要对多个整体的均值进行比较,并分析他们之间是否存在差异,差异是否显著,这个时候我们就需要使用方差分析。方差分析用于研究自变量和因变量之间是否有关系及其关系强度的一种分析方法。其实质是将所有测量值之间方差分析的三个概念1.因素:2….

    2022年9月25日
    2
  • Maximal Information Coefficient (MIC)最大互信息系数详解与实现「建议收藏」

    Maximal Information Coefficient (MIC)最大互信息系数详解与实现「建议收藏」MICMIC即:MaximalInformationCoefficient最大互信息系数。使用MIC来衡量两个基因之间的关联程度,线性或非线性关系,相较于MutualInformation(MI)互信息而言有更高的准确度。MIC是一种优秀的数据关联性的计算方式。本篇文章将会详细介绍MIC的算法原理,优缺点以及Python的具体实现方式,并给出一个可视化方案。互信息?互信息(Mut…

    2022年9月18日
    4
  • 52激活成功教程游戏论坛_激活成功教程版吾爱

    52激活成功教程游戏论坛_激活成功教程版吾爱2019.6.6号,当小编打开吾爱激活成功教程论坛的时候,发现网站已经不能打开,出现一个公告:吾爱激活成功教程一直致力于软件安全技术交流,作为一个尊重原创、重视版权的论坛,为了顺应新时代版权的发展,加强版权保护的力度

    2022年8月2日
    9
  • mybatiscodehelperpro激活码[最新免费获取]

    (mybatiscodehelperpro激活码)2021最新分享一个能用的的激活码出来,希望能帮到需要激活的朋友。目前这个是能用的,但是用的人多了之后也会失效,会不定时更新的,大家持续关注此网站~IntelliJ2021最新激活注册码,破解教程可免费永久激活,亲测有效,下面是详细链接哦~https://javaforall.net/100143.html…

    2022年3月26日
    406
  • 常见学习率衰减方式

    常见学习率衰减方式学习率学习率的作用​ 在机器学习中,监督式学习通过定义一个模型,并根据训练集上的数据估计最优参数。梯度下降法是一个广泛被用来最小化模型误差的参数优化算法。梯度下降法通过多次迭代,并在每一步中最小化成本函数(cost来估计模型的参数。学习率(learningrate),在迭代过程中会控制模型的学习进度。​ 在梯度下降法中,都是给定的统一的学习率,整个优化过程中都以确定的步长进行更新,在…

    2022年6月7日
    44
  • android 自定义控件 attrs,android 使用attrs自定义控件

    android 自定义控件 attrs,android 使用attrs自定义控件步骤:1、在values下新建一个attrs.xml的资源文件(my_attrs.xml)//===》name为引用资源的名称//attr中的name为自定义的名称format为类型//字体颜色//字体大小//字符串2、新建一个类MyAttrsMyView继承View覆写publicMyAttrsMyView(Contextcontext,Attribu…

    2022年10月17日
    1

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注全栈程序员社区公众号