BlazorUI 组件库——反馈与弹层 (1)
ztj100 2025-05-08 22:30 25 浏览 0 评论
组件是前端的基础。组件库也是前端框架的核心中的重点。
组件库中有一个重要的板块:反馈与弹层!
反馈与弹层在组件形态上,与 Button、Input 类等嵌入界面的组件有所不同,通常以层的形式出现。
本篇文章简单介绍一下组件库中反馈与弹层的组件形态、分类及功能说明。关于反馈与弹层组件在组件库中的设计与实现,后续文章将会慢慢补全。
反馈
在组件设计中,反馈是很重要的一个元素。包括用户操作的鼠标点击,移动、悬停,按键等改变组件的颜色都属于反馈。但今天主要介绍的是组件库设计中的反馈组件的设计,而不是组件本身的反馈设计。
反馈组件的作用是将系统中当前的数据、操作、或重要提示反馈给用户,不让用户因对系统状态的未知而产生焦虑、或因为操作规则不明而无所适从。显示简短的重要消息、展现提供契合上下文的反馈与需要关注的信息。是这类组件主要传递的目的。
反馈根据类型可分为:Alert (警告),Message(消息),Notice(通知)Feedback(反馈),Result(结果),Tips(提示),Progress(进度)Toast(轻量反馈) 等。反馈的方式可分为弹层显示、固定显示、模态显示等。
反馈包括让用户知道自己在做什么,需要有什么注意的、已经做了什么,进行到了哪一步、以及当前的结果如何等,反馈为用户提供适当且及时的消息,以帮助他们了解他们是否正在朝着自己的目标、正在正确地迈进或完成任务。
反馈以提示、告知、警告为主。可分为标的物的信息提示、行为前的提示与告知、当前行为的进度反馈、行为结果的反馈等。
没有好的反馈与提示,可能造成用户误操作,甚至导致任务中断难以进行。
及时的反馈、完备的提示,能减少用户的误操作、引导用户的下一步行为、并能增强用户的掌控感。为用户提升整个操作流程的完整性和流畅度。同时也能丰富前端交互的元素,为提高用户体验加分!
弹层
弹层是组件的另一种展示形态。与嵌入在界面显示的组件如Button,Input等不同,弹层以新的层展开界面。提供专项、专一的界面来组织用户新的操作或展示新的内容。
弹层分为模式弹层和弹出框两种。
模式弹层包括:Dialog (对话框),Drawer (抽屉), Loading (装载遮罩)等。模式弹层以分割用户操作行为为主。用户在完成当前操作或阅读了当前内容后,才能返回主界面。
弹出框包括:Window(窗口)、Menu (菜单)、DropdownMenu(下拉菜单), ComboBox (下拉选择框)、Popoper(小气泡)、Popup(弹层) 等。弹出框以专项任务为主。以组织同类的数据或功能为主。为用户提供操作的指导、或展示专项内容。
弹出框与模式弹层不同在于,弹出框不会打断用户的当前操作。用户可以在弹出框和普通组件之间切换操作。而模式弹层则需要用户在完成当前操作后,才能返回原界面。
设计要点
反馈组件与弹层组件与普通组件一样,具备组件的基本要素:包括内容、个观、颜色、字体、操作反馈等。与普通不同的是,反馈组件与弹层组件是以层的方式显示在界面中。其优先度上高于普通组件,多以吸引注意力,强化操作为主要目的。
在设计反馈组件与弹层组件时,我们可以为每一种反馈组件来单独完成实现。这也是目前大部分组件库的其本实现。但这种实现从组件设计理念来说,并不是一种最佳的实现方案。好的方案是设计一套合理的 Layer (层)的管理逻辑,以层的管理逻辑来统计实现各种反馈与弹层组件。这种设计理念更具有扩展性、统一性和规范化。
#BlazorUI# 组件库采用了后一种方式,即为反馈与弹层设计了一套复杂的Layer (层)管理逻辑,在这套逻辑下,可以统一方便的完成反馈组件与层组件的构建。
#BlazorUI#为所有的反馈组件提供了一个标准的、统一的、规范的入口服务,叫 NotifyService。NotifyService 提供 Alert、Message、Result、Tips、Toast 的反馈操作。可以分别完成 Info、Notice、 Warning、Danger等类型或级别的反馈。
#BlazorUI#为弹层设计了一套统一的实现方式,包括 Dialog(对话框)、Popover(气泡)、Menu(菜单)、Drawer(抽屉)、Loading(装载)等。可以方便实现在全局、当前页、指定组件区域为提供弹层组件的显示与操作。
后继关于反馈与弹层的文章、将详细介绍#BlazorUI#组件库中反馈与弹层组件的设计思路与实现方法,以及常用反馈与弹层组件的介绍。
相关推荐
- 再说圆的面积-蒙特卡洛(蒙特卡洛方法求圆周率的matlab程序)
-
在微积分-圆的面积和周长(1)介绍微积分方法求解圆的面积,本文使用蒙特卡洛方法求解圆面积。...
- python创建分类器小结(pytorch分类数据集创建)
-
简介:分类是指利用数据的特性将其分成若干类型的过程。监督学习分类器就是用带标记的训练数据建立一个模型,然后对未知数据进行分类。...
- matplotlib——绘制散点图(matplotlib散点图颜色和图例)
-
绘制散点图不同条件(维度)之间的内在关联关系观察数据的离散聚合程度...
- python实现实时绘制数据(python如何绘制)
-
方法一importmatplotlib.pyplotaspltimportnumpyasnpimporttimefrommathimport*plt.ion()#...
- 简单学Python——matplotlib库3——绘制散点图
-
前面我们学习了用matplotlib绘制折线图,今天我们学习绘制散点图。其实简单的散点图与折线图的语法基本相同,只是作图函数由plot()变成了scatter()。下面就绘制一个散点图:import...
- 数据分析-相关性分析可视化(相关性分析数据处理)
-
前面介绍了相关性分析的原理、流程和常用的皮尔逊相关系数和斯皮尔曼相关系数,具体可以参考...
- 免费Python机器学习课程一:线性回归算法
-
学习线性回归的概念并从头开始在python中开发完整的线性回归算法最基本的机器学习算法必须是具有单个变量的线性回归算法。如今,可用的高级机器学习算法,库和技术如此之多,以至于线性回归似乎并不重要。但是...
- 用Python进行机器学习(2)之逻辑回归
-
前面介绍了线性回归,本次介绍的是逻辑回归。逻辑回归虽然名字里面带有“回归”两个字,但是它是一种分类算法,通常用于解决二分类问题,比如某个邮件是否是广告邮件,比如某个评价是否为正向的评价。逻辑回归也可以...
- 【Python机器学习系列】拟合和回归傻傻分不清?一文带你彻底搞懂
-
一、拟合和回归的区别拟合...
- 推荐2个十分好用的pandas数据探索分析神器
-
作者:俊欣来源:关于数据分析与可视化...
- 向量数据库:解锁大模型记忆的关键!选型指南+实战案例全解析
-
本文较长,建议点赞收藏,以免遗失。更多AI大模型应用开发学习视频及资料,尽在...
- 用Python进行机器学习(11)-主成分分析PCA
-
我们在机器学习中有时候需要处理很多个参数,但是这些参数有时候彼此之间是有着各种关系的,这个时候我们就会想:是否可以找到一种方式来降低参数的个数呢?这就是今天我们要介绍的主成分分析,英文是Princip...
- 神经网络基础深度解析:从感知机到反向传播
-
本文较长,建议点赞收藏,以免遗失。更多AI大模型应用开发学习视频及资料,尽在...
- Python实现基于机器学习的RFM模型
-
CDA数据分析师出品作者:CDALevelⅠ持证人岗位:数据分析师行业:大数据...
你 发表评论:
欢迎- 一周热门
- 最近发表
- 标签列表
-
- idea eval reset (50)
- vue dispatch (70)
- update canceled (42)
- order by asc (53)
- spring gateway (67)
- 简单代码编程 贪吃蛇 (40)
- transforms.resize (33)
- redisson trylock (35)
- 卸载node (35)
- np.reshape (33)
- torch.arange (34)
- npm 源 (35)
- vue3 deep (35)
- win10 ssh (35)
- vue foreach (34)
- idea设置编码为utf8 (35)
- vue 数组添加元素 (34)
- std find (34)
- tablefield注解用途 (35)
- python str转json (34)
- java websocket客户端 (34)
- tensor.view (34)
- java jackson (34)
- vmware17pro最新密钥 (34)
- mysql单表最大数据量 (35)