新闻详情

新闻详情

首页 / 资讯中心 / 详情

《微信小程序案例4.1详解:form表单、数据绑定、校验与重置按钮》

发布时间:2026/11/4 16:36:08来源:尧图网络
《微信小程序案例4.1详解:form表单、数据绑定、校验与重置按钮》
一、项目背景与需求本案例案例4.1要求使用微信小程序的 form 组件、 input 组件、 button 组件和消息提示框 API设计一个三角形面积计算器。用户输入三角形的三条边长系统根据海伦公式计算并显示三角形面积同时对输入数据进行合法性校验。在基本功能之上还要求增加一个“重置”按钮点击后清空所有输入框中的数值恢复页面初始状态。二、核心技术点与实现过程form 表单组件form 组件是小程序中用于收集用户输入的容器组件。它会自动收集内部所有带 name 属性的表单控件如 input 、 checkbox 、 radio 等的值。通过 bindsubmit 绑定提交事件通过 bindreset 绑定重置事件。在 index.wxml 中用 标签包裹所有表单控件并分别绑定提交和重置事件... 2. input 组件 每个输入框都设置了 name 属性指定该输入框在表单提交时的键名不设置则无法通过 e.detail.value 取到值。同时设置了 typenumber 在真机上会弹出纯数字键盘方便用户输入数字。第一个输入框还设置了 focustrue 页面加载时自动获得输入焦点。 3. 数据绑定与 setData 通过 WXML 中的数据绑定语法 {{visible}} 控制结果区域的显示/隐藏。在 JS 中通过 this.setData() 修改数据驱动视图自动更新这是小程序“数据驱动视图”核心思想的体现。 4. 三角形合法性校验 在计算面积前必须进行两步校验 ● 数据类型校验用 isNaN() 判断输入是否为有效数字防止用户输入文字导致计算异常。 ● 三角形不等式校验任意两边之和必须大于第三边 a b c 且 a c b 且 b c a 否则不构成三角形。 校验失败时通过 wx.showToast 弹出提示信息并清空输入框、隐藏结果区域。 5. 海伦公式计算面积 已知三角形三边 a、b、c先计算半周长 s (a b c) / 2则面积 S √(s(s-a)(s-b)(s-c))。 let s (a b c) / 2; let area Math.sqrt(s * (s - a) * (s - b) * (s - c)); area Math.round(area * 100) / 100; // 保留两位小数 6. 重置按钮的实现 给 button 设置 form-typereset 点击后自动触发 form 组件的 bindreset 事件。在 formReset 回调函数中通过 setData 清空三个输入框的数据并将 visible 设为 false 隐藏面积显示区域实现页面恢复到初始状态。 重置 三、页面最终效果 在微信开发者工具中编译运行后页面顶部显示“三角形面积计算器”标题下方依次为三个输入框边长 a、b、c和两个按钮“计算”和“重置”。输入合法数据如 3、4、5点击“计算”后底部绿色区域显示面积结果 S 6输入不合法数据则弹出 Toast 提示并自动清空点击“重置”按钮后所有输入框被清空结果区域隐藏。在手机真机预览时点击输入框可弹出纯数字键盘。 四、总结与体会 通过本次案例的实践我系统地掌握了小程序表单开发的核心流程 1. 表单定义使用 form 组件包裹表单控件通过 name 属性建立数据键名映射。 2. 事件绑定通过 bindsubmit 和 bindreset 分别处理表单提交和重置逻辑。 3. 数据校验在业务计算前进行数据类型和数学逻辑的双重校验保证程序的健壮性。 4. 数据驱动视图通过 setData 修改数据视图自动响应更新无需手动操作 DOM。 5. 海伦公式的应用将数学知识融入编程实践实现了已知三边求面积的完整功能。 这些表单开发模式在实际项目中非常通用是小程序开发的基础技能也为后续学习自定义组件Component和复杂表单交互打下了坚实基础。
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 2026/11/4 15:56:54

【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 2026/11/3 12:09:35

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 2026/11/3 12:09:38

【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 ... 2026/11/4 12:33:12

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 2026/11/4 1:25:31

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 2026/11/4 3:51:11

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
📞 ✉