百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术分类 > 正文

基于Fis3和Idtc的头条前端开发套件安装及使用向导

ztj100 2025-01-13 19:19 18 浏览 0 评论

基于Fis3和Idtc的头条前端开发套件安装及使用向导

以下简称套件

背景

Fis3是一款百度开发的前端构建工具(http://fis.baidu.com/),头条前端之前的开发模式基于Fis2,大体上基本的构建需求都可以满足。但是时间久了,一些开发方面的问题就会暴露出来,比如:多个模块之间不能共享通用资源、Fis的本地调试Server太过简陋、没法Mock数据、太依赖远程开发机进行新功能的开发和调试等问题。为了解决这些问题,所以在Fis3的基础上封装出了Fis3-wrapper-common模块,以Fis3作为依赖,提供附加功能。

同时,为了弥补Fis3工具在本地调试和Mock数据方面的缺陷,本地Webserver调试器采用了Idtc(https://github.com/guananddu/idt/tree/idt4none-contextify)作为辅助开发工具。Idtc出彩的地方在于它完善的假数据Mock功能,它提供了针对后端模板引擎,例如:Django Template、Java Velocity、Java Freemarker、PHP Smarty的解析和假数据填充功能。Idtc不仅能针对后端模板进行Mock数据,还能针对普通的Ajax请求进行Mock数据,真正地提高了前端人员的开发效率,并且使得前端开发完全脱离了后端的服务环境,前端人员只需关注接口数据即可。更加详细的介绍请往下看~

设计目标

  • ★ 解决跨站资源依赖

  • ★ 提供完善的本地开发(脱离任何后端环境的开发)、假数据Mock的功能

  • 完全地兼容Fis3原生命令(例如watchremote push

  • 集成Fis3常用插件,省去手动安装

  • 提供对ES6语法、标准AMD规范(require.js)的支持

  • 提供对前端模板引擎的内置支持(使用handlebars-v4.0.4+,仍旧采用*.tmpl扩展名作为模板文件)

配置预览

解决跨站资源依赖

提供完善的本地开发(脱离任何后端环境的开发)、假数据Mock的功能

完全地兼容Fis3原生命令(例如watch,remote push)

本地开发+watch:

fis3b release local -d ../output --watch

远程发布:

集成Fis3常用插件,省去手动安装

提供对ES6语法、标准AMD规范(require.js)的支持

提供对前端模板引擎的内置支持

套件安装

保证nodepython的环境是ok的,使用npm安装如下包:

npm install -g fis3-wrapper-common

npm install -g idtc

使用easy_install安装如下包(用来解析本地调试下的django template):

easy_install "Django==1.7"

安装完毕以后:

  • fis3-wrapper-common所对应的命令是:fis3b

  • idtc所对应的命令是:idtc

如下:

fis3b -H

-V命令可查看fis3-wrapper-common的版本号。除去-H,-V,clear三个命令外,其他的命令被自动转向fis3原生命令:

fis3b -v

如上:可以通过-v来查看内置fis3的版本号。同理,可以通过-h或者--help来获取fis3的内置帮助:

fis3b --help

idtc命令查看:

idtc中,我们只需关注ws的功能即可,其他命令可以忽略掉:

我们常用的命令即是:

idtc ws start

示例项目结构

设置如下示例项目,供大家参考:

特性详解

以下的特性详解,均以示例项目为范本,project_main_wap为主项目,其他三个为辅助项目

解决跨站资源依赖

fis3-wrapper-common(下面简称fwc)对fis3进行了包装,整体构建过程是这样的:

fwc执行beforebuild逻辑,读取project.dependencies配置

fwc根据依赖配置,将依赖的资源copy至当前项目的根目录中,并且填充.gitignore文件,防止误提交

fwc调起fis3开始根据fis-conf.js里面的配置进行编译及打包

④ 打包完毕后,fwc执行afterbuild逻辑,清理当前项目中的依赖项,防止误提交

⑤ 如果采用了watch功能,则fwc监听SIGINT信号,当Ctrl+C终端watch时,自动调用afterbuild逻辑,与第④步骤相同

来看看fws源码即可了然:

fwc 保持了fis3中的watch功能

先来确定下project_main_wap项目定义的依赖项:

如下,在没有进行watch时,project_main_wap的结构如下:

当我们执行:

fis3b release local -d ../output --watch

以后,再看当前项目的目录结构:

多出了三个依赖项!而且,依赖项的配置,可以是某个文件,也可以是整个文件夹:

可以看到,并不是把整个project_wapcopy过来,而是把具体的那个文件或者文件夹给copy过来。

那么,在我们编辑project_main_wap/project_wap/common/utils/ads.js文件的时候,外围的project_wap/common/utils/ads.js也会同步变动,文件夹的相关操作也是同步的,fwc在内部好了WATCH工作。

在修改project_main_wap项目中的依赖项时,要修改project_main_wap中自动生成的依赖,而不要直接修改外围的依赖项,因为fws只实现了对依赖项增删改单向同步

开发完毕,中断fis3watch命令时:

............... 17.36s [15:25:43.922]

^C

Process:23676 Will Exit.

再看目录结构:

恢复正常了。但是万一中途出现其他异常情况,project_main_wap内的依赖项没有被清除掉怎么办?执行它:

fis3b clear

上述执行的fis3b相关的命令,要在具体的项目中执行哦,这里都是在project_main_wap中执行的。(除去tree命令)

提供完善的本地开发(脱离任何后端环境的开发)、假数据Mock的功能

仍旧以project_main_wap项目为例:

fis3b release local -d ../output

这样就把构建出的项目发布到了../output目录中,在终端中cd ../output进入到output目录中,执行:

idtc ws start

命令响应OK以后,访问:http://127.0.0.1:8003/project_main_wap/page/index/shownexp.html即可在本地打开一个全功能的页面。

注意project_main_wap/mock目录:

但是!这个目录结构需要我们手动生成吗??这岂不是很蛋疼?其实如果手比较勤快,是可以手动生成的,因为这些文件都对应了真实的目录结构。

在项目初期,mock文件夹可以不用手动创建,再发布到本地的时候,跑起来idtcwebserver就能够一步一步地找到shownexp.html文件,那么当从浏览器中放问到这个页面的时候,就会自动生成对应的mock目录结构,只是假数据需要填充一下而已,假数据的书写,可以完全参看shownexp.html.js的格式来。之后,把mock文件夹手动copy至项目中,则可以重复利用~

聊聊AJAX的数据MOCK

ajax数据mock方法类似,当我们滑动shownexp.html页面到最底端的时候,会发起一个ajax请求:

/path2ajax/v1/moments/list/

而此请求的mock数据来自:

具体格式可以查看示例。需要注意的一点,ajaxmock文件,不仅仅可以简单的:

还可以:

用来生成动态数据。

Tips: 在watch状态下修改mock数据,直接修改project_main_wap/mock目录下的即可,fis3会自动将mock文件发布到output目录下,刷新浏览器即可生效。

PUSH到开发机

开发机上要提前安装好相应的接收端服务:

npm install -g fis3-receiver

在远端机器上执行:

whoami@in-remote:~$ fis3rcv 6772

receiver listening *:6772

并且确保自己的远程发布配置是有效的:

project_main_wap下面执行:

fis3b release whoami

就会先build项目,然后发布到远端机器上,查看效果即可。

跨站模板资源的引用

同样参看project_main_wap/page/index/shownexp.html页面

主项目project_main_wap的模板的根目录,要用标识符来确定,因为local模式下和正常开发模式下的模板根目录配置是不同的,涉及到替换。

而再看project_wap/common/from_project_wap.html中的include指令,则要使用:

{% include '/common/included_by_from_project_wap.html' %}

仍旧需要使用标识符,同样需要动态确定当前属于哪一个项目。

需要在开发时区分这一点。

前端模板的使用

fis-conf.js中,已经配置好了:

要这样使用:

细心的话可以注意到,project_main_wap项目中引入的是example_widget中的handlebars库文件和tmpl模板文件,这就是静态资源的跨站引用。

标准AMD规范式编码(才用了require.js)

fws默认加入了AMD标准规范的支持:

那么如何使用呢?而且,如何让fis3require.js有效地结合在一起呢?这样:

这样的形式,同时也兼容了fis3对静态资源添加md5戳的构建需求。

跨站less的引用

不再赘述,请具体细看:project_main_wap/page/index/shownexp.html中的:test 4 less

Tips: 需要注意的一点是,在同一个项目中的less文件中,使用import引入其他文件,最好采用相对路径,可以很大程度上防止跨站资源引用的出错。

ES6的支持

fws集成了对es6源文件的编译插件:

这样使用即可:

工具开发与维护

fis3-wrapper-commongithub:

https://github.com/guananddu/fis3-wrapper-common

Idtc:

https://github.com/guananddu/idt/tree/idt4none-contextify

遇到任何bug请及时提交issues

也可以一起来开发和改进哦~

Other

配置文件示例:

http://s.pstatp.com/site/tt_mfsroot/standard/fis3idtc/fis-conf.js


作者:管伟

相关推荐

其实TensorFlow真的很水无非就这30篇熬夜练

好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...

交叉验证和超参数调整:如何优化你的机器学习模型

准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...

机器学习交叉验证全指南:原理、类型与实战技巧

机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...

深度学习中的类别激活热图可视化

作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...

超强,必会的机器学习评估指标

大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...

机器学习入门教程-第六课:监督学习与非监督学习

1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...

Python教程(三十八):机器学习基础

...

Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置

你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...

超全面讲透一个算法模型,高斯核!!

...

神经网络与传统统计方法的简单对比

传统的统计方法如...

AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程

...

自回归滞后模型进行多变量时间序列预测

下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...

苹果AI策略:慢哲学——科技行业的“长期主义”试金石

苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...

时间序列预测全攻略,6大模型代码实操

如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...

AI 基础知识从 0.4 到 0.5—— 计算机视觉之光 CNN

...

取消回复欢迎 发表评论: