新闻详情

新闻详情

首页 / 资讯中心 / 详情

案例 4.6 微信小程序 image 图片组件(增加显示模式编号)

发布时间:2026/11/19 3:58:43来源:尧图网络
案例 4.6 微信小程序 image 图片组件(增加显示模式编号)
前言本次案例《4.6 image 组件》学习小程序 image 图片组件掌握mode图片显示模式。按照作业要求在每种图片显示模式的文字说明上方增加图片显示模式的编号直观区分不同 mode 效果。一、知识点介绍image 组件小程序图片标签src指定图片地址mode控制图片缩放、裁剪展示方式。常用 modescaleToFill拉伸填满容器不保持比例aspectFit保持比例完整显示图片aspectFill保持比例铺满容器超出部分裁剪widthFix宽度自适应高度自动变化扩展需求给每一种图片模式增加编号放在文字说明上方。二、完整代码pages/index/index.wxmlview图片显示模式演示/view view【编号1】/view viewscaleToFill拉伸填满/view image src/images/test.jpg modescaleToFill classimg/image view【编号2】/view viewaspectFit保持比例完整显示/view image src/images/test.jpg modeaspectFit classimg/image view【编号3】/view viewaspectFill保持比例铺满裁剪多余部分/view image src/images/test.jpg modeaspectFill classimg/image view【编号4】/view viewwidthFix宽度自适应/view image src/images/test.jpg modewidthFix classimg/imagepages/index/index.jsPage({ })pages/index/index.wxss.img{ width:300rpx; height:200rpx; border:1rpx solid #999; margin:10rpx 0; } view{ margin:12rpx; font-size:30rpx; }说明在项目里新建 images 文件夹放入 test.jpg 图片替换 src。三、运行测试效果页面依次展示 4 种 image 的 mode 效果。每一组图片说明最上方先显示编号【编号 1】【编号 2】等满足作业扩充要求。不同 mode 下图片展示效果不一样直观理解图片缩放裁剪规则。四、核心要点总结image 组件 mode 属性是核心用来控制图片和容器的适配规则。scaleToFill 会拉伸图片容易变形aspectFit、aspectFill 会保持原始宽高比。作业扩展在文字说明上方增加编号区分不同图片显示模式。image 默认有固定宽高需要手动设置 width、height 样式。五、小结本案例学习小程序 image 图片组件理解多种图片显示 mode完成作业扩展为每种图片模式添加编号。image 是小程序展示图片的基础组件广泛用于商品图、头像、轮播图等场景。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/18 21:21:17

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/18 14:20:46

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/18 20:01:42

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/18 11:04:06

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/18 15:55:22

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/18 21:21:16

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉