新闻详情

新闻详情

首页 / 资讯中心 / 详情

案例 3.4 微信小程序数据和事件绑定(新增学生专业属性)

发布时间:2026/11/15 16:48:19来源:尧图网络
案例 3.4 微信小程序数据和事件绑定(新增学生专业属性)
前言本次案例《3.4 数据和事件绑定》练习微信小程序数据绑定与事件绑定在原有学生对象结构基础上新增专业属性实现页面展示学生信息通过按钮事件修改数据。一、知识点说明数据绑定WXML 使用{{ }}插值语法把 js 里 data 中的数据渲染到页面。事件绑定bindtap绑定点击事件触发 JS 函数修改 data 里的数据页面自动更新。修改要求学生结构体新增major专业字段。二、完整代码pages/index/index.jsPage({ data: { // 学生对象新增专业major属性 student:{ name:林嘉恒, age:20, major:软件工程 } }, // 点击事件修改学生信息 changeInfo(){ this.setData({ student.name:小明, student.age:21, student.major:计算机科学与技术 }) } })pages/index/index.wxmlview学生信息展示/view view姓名{{student.name}}/view view年龄{{student.age}}/view view专业{{student.major}}/view button bindtapchangeInfo点击修改学生信息/buttonpages/index/index.wxss可选美化页面view{ margin:10rpx; font-size:32rpx; } button{ margin-top:30rpx; }三、运行效果页面加载自动渲染 data 中学生的姓名、年龄、专业。点击按钮触发changeInfo事件。this.setData()修改 student 对象页面视图自动刷新专业同步更新。原理小程序是数据驱动修改 data视图自动更新不需要手动操作 DOM。四、核心要点总结{{变量名}}单向数据绑定读取 data 数据渲染页面。bindtap用来绑定点击事件。修改 data 必须使用this.setData()直接赋值不会刷新页面。对象属性写法student.major可以单独修改对象里面的字段。五、小结本案例掌握小程序数据绑定与事件绑定完成学生对象扩展增加专业属性。理解小程序数据驱动思想是小程序表单、列表开发的基础。
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 2026/11/15 4:54:16

【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 2026/11/15 2:04:12

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 2026/11/14 10:11:15

【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 ... 2026/11/14 17:14:38

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 2026/11/14 16:35:50

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 2026/11/15 4:06:36

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
📞 ✉