新闻详情

新闻详情

首页 / 资讯中心 / 详情

微信小程序 TabBar 图标路径踩坑记录

发布时间:2026/11/11 21:20:59来源:尧图网络
微信小程序 TabBar 图标路径踩坑记录
前言最近在开发人物事迹展示类微信小程序使用 TabBar 实现底部标签导航本以为配置完页面和图标就能直接运行结果模拟器反复启动失败接连遇到文件名空格、资源存放路径错误两类典型问题在这里记录下踩坑的全过程与总结方便后续开发避坑。问题场景项目需求制作 5 个底部 Tab分别对应首页、贾潮江、朱培娟、莫日发、涂凯峰五个页面点击标签切换不同人物介绍页面。 前期工作完成页面文件创建、自定义导航栏组件编写准备好每组 Tab 的默认图标与选中图标在app.json中配置 tabBar 字段。坑点 1图片文件名包含空格资源无法识别最开始准备的图标文件命名格式为home on.png、jiaxiangjiang off.png直接写进app.json配置里。编译之后模拟器启动失败提示图标文件未找到。排查分析微信小程序对静态资源文件名有严格限制不支持文件名中包含空格。当路径字符串里出现空格小程序解析路径时会直接在空格处截断把空格前的内容当作文件名空格后的内容被丢弃最终程序自然找不到对应的图片资源。解决方案将所有图标文件名中的空格替换为短横线-例如home on.png修改为home-on.png同时同步修改app.json内对应的iconPath和selectedIconPath路径。坑点 2图片文件夹存放位置错误路径匹配失败修改完文件名重新编译依旧报图片未找到。查看项目目录才发现我把存放图标的images文件夹放在了components组件目录内部。小程序的路径规则以/开头代表项目根目录。代码里写/images/home-on.png程序会去项目最外层根目录寻找images文件夹。图片放在components/images下根目录没有这个文件夹路径匹配失败。两种处理方案推荐方案剪切images文件夹移动到项目根目录和components、pages文件夹同级无需改动 json 内的路径规范且不易出错。备选方案不移动文件夹修改 tabBar 图标路径为/components/images/xxx.png但资源文件不建议放在 components 目录不推荐长期使用。最终经验总结配置 TabBar 时图标资源的文件名、存放位置是最容易忽略的前置检查项要优先核对再进行编译。静态资源统一放在项目根目录的images文件夹是小程序开发通用规范方便管理资源减少路径 bug。遇到 “文件未找到” 类报错优先检查两点文件名是否合规文件实际存放目录是否和代码写的路径匹配。app.json是小程序全局配置文件语法、资源路径一旦出错会直接导致模拟器启动失败报错信息会直接提示出错的字段可按照提示定位问这类路径问题不属于复杂业务逻辑 bug却很容易耗费大量调试时间。小程序的静态资源加载机制有固定规则提前遵守文件命名与目录规范能避免很多基础报错提升开发效率。
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 2026/11/11 13:52:51

【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 2026/11/10 19:42:40

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 2026/11/11 9:31:44

【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 ... 2026/11/11 5:36:08

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 2026/11/11 15:37:39

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 2026/11/10 17:14:10

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
📞 ✉