通俗易懂的讲一下Vue的双向绑定和React的单向绑定

1.Vue 的双向绑定:

<template><!-- 输入框和数据自动绑定,就像连体婴儿,一个动另一个也动 --><input v-model="message"><p>{{ message }}</p><!-- 完整表单示例 --><form><!-- 所有输入都自动同步到数据,就像写在纸上字自动复制一样 --><input v-model="user.name" placeholder="姓名"><input v-model="user.age" placeholder="年龄"><textarea v-model="user.bio" placeholder="简介"></textarea></form>
</template><script setup>
// 定义响应式数据
const message = ref('')
const user = reactive({name: '',age: '',bio: ''
})// 当输入框值改变时:
// 1. 自动更新 message 的值
// 2. 相关的视图自动更新
// 就像连锁反应一样,不需要手动处理
</script>

2.React 的单向绑定:

function App() {// 定义状态和更新函数const [message, setMessage] = useState('')const [user, setUser] = useState({name: '',age: '',bio: ''})// 处理输入变化const handleNameChange = (e) => {// 需要手动更新数据setUser({...user,name: e.target.value})}return (<div>{/* 输入框的值来自 message */}{/* 当输入时需要手动调用 setMessage 更新 */}{/* 就像传话游戏,需要一个一个传递 */}<input value={message}onChange={e => setMessage(e.target.value)}/>{/* 完整表单示例 */}<form>{/* 每个输入都需要手动处理更新 */}{/* 就像搬家,每件物品都要自己搬 */}<input value={user.name}onChange={handleNameChange}placeholder="姓名"/></form></div>)
}

3.生活中的例子

Vue 的双向绑定就像:

  • 自动门:感应到人就自动开关
  • 恒温空调:自动调节温度
  • 自动档汽车:自动换挡
  • 智能家居:一切自动化

React 的单向绑定就像:

  • 普通门:需要手动开关
  • 普通空调:需要手动调温度
  • 手动档汽车:需要手动换挡
  • 传统家电:需要手动控制

4.更多实际例子:


Vue 示例(购物车):

<template><!-- 商品列表 --><div v-for="item in cart" :key="item.id"><!-- 数量输入框自动同步到数据 --><input v-model="item.quantity" type="number"><!-- 价格自动计算 --><p>总价:{{ item.price * item.quantity }}</p></div><!-- 总价自动计算 --><p>购物车总价:{{ totalPrice }}</p>
</template><script setup>
// 购物车数据
const cart = reactive([{ id: 1, name: '苹果', price: 5, quantity: 1 },{ id: 2, name: '香蕉', price: 3, quantity: 1 }
])// 计算总价(自动更新)
const totalPrice = computed(() => {return cart.reduce((total, item) => {return total + item.price * item.quantity}, 0)
})
</script>

React 示例(购物车):

function ShoppingCart() {// 购物车数据const [cart, setCart] = useState([{ id: 1, name: '苹果', price: 5, quantity: 1 },{ id: 2, name: '香蕉', price: 3, quantity: 1 }])// 处理数量变化const handleQuantityChange = (id, quantity) => {// 需要手动更新整个购物车数据setCart(cart.map(item => {if (item.id === id) {return { ...item, quantity }}return item}))}// 计算总价const totalPrice = cart.reduce((total, item) => {return total + item.price * item.quantity}, 0)return (<div>{/* 商品列表 */}{cart.map(item => (<div key={item.id}>{/* 需要手动处理数量变化 */}<input type="number"value={item.quantity}onChange={e => handleQuantityChange(item.id, Number(e.target.value))}/><p>总价:{item.price * item.quantity}</p></div>))}<p>购物车总价:{totalPrice}</p></div>)
}

总结:

Vue 的特点:

  • 自动同步数据和视图
  • 代码简洁易写
  • 不需要手动处理更新
  • 适合快速开发

React 的特点:

  • 需要手动处理更新
  • 代码较多但清晰
  • 数据流向明确
  • 适合大型项目

就像:

  • Vue 是全自动洗衣机(一键完成)
  • React 是半自动洗衣机(需要手动设置每个步骤)

选择建议:

  • 小项目、快速开发:选 Vue
  • 大项目、团队协作:选 React
  • 新手入门:Vue 更友好
  • 深入理解:React 更有帮助

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/web/64998.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

使用setup.py打包 HuggingFace PEFT 项目详解:pip install peft的幕后流程

使用 setup.py 打包 HuggingFace PEFT 项目详解 Source: https://github.com/huggingface/peft/blob/main/setup.py 1. 项目简介 HuggingFace 的 PEFT&#xff08;Parameter-Efficient Fine-Tuning&#xff09;库是一个用于高效参数微调的 Python 工具包&#xff0c;支持多种…

BP神经网络的反向传播算法

BP神经网络&#xff08;Backpropagation Neural Network&#xff09;是一种常用的多层前馈神经网络&#xff0c;通过反向传播算法进行训练。反向传播算法的核心思想是通过计算损失函数对每个权重的偏导数&#xff0c;从而调整权重&#xff0c;使得网络的预测输出与真实输出之间…

线程池的创建规范

第1章&#xff1a;引言——为什么使用线程池&#xff1f; 1.1 线程池的概念 线程池是一个容器&#xff0c;用来管理多个工作线程&#xff0c;它通过对线程的管理、复用来提高系统性能。线程池的核心理念是将线程的创建、销毁、复用等操作交给线程池来管理&#xff0c;避免了频…

【蓝桥杯比赛-C++组-经典题目汇总】

1. 最短路 题目描述&#xff1a; 如下图所示&#xff0c;G是一个无向图&#xff0c;其中蓝色边的长度是1、橘色边的长度是2、绿色边的长度是3。 则从 A 到 S 的最短距离是多少&#xff1f; #include <iostream> #include <cstring> using namespace std; const i…

活动预告 | Microsoft 安全在线技术公开课:通过扩展检测和响应抵御威胁

课程介绍 通过 Microsoft Learn 免费参加 Microsoft 安全在线技术公开课&#xff0c;掌握创造新机遇所需的技能&#xff0c;加快对 Microsoft Cloud 技术的了解。参加我们举办的“通过扩展检测和响应抵御威胁”技术公开课活动&#xff0c;了解如何更好地在 Microsoft 365 Defen…

第八节:GLM-4v-9b模型的大语言模型源码解读(ChatGLMForConditionalGeneration)

文章目录 前言一、ChatGLMForConditionalGeneration类源码解读1、ChatGLMForConditionalGeneration类源码2、self.transformer方法源码3、loss_fct = CrossEntropyLoss(ignore_index=-100)方法Demo二、ChatGLMModel类源码解读三、GLMTransformer结构源码解读四、GLMBlock结构源…

Windows onnxruntime编译openvino

理论上来说&#xff0c;可以直接访问 ONNXRuntime Releases 下载 dll 文件&#xff0c;然后从官方文档中下载缺少的头文件以直接调用&#xff0c;但我没有尝试过。 1. 下载 OpenVINO 包 从官网下载 OpenVINO 的安装包并放置在 C:\Program Files (x86) 路径下&#xff0c;例如…

Vue3 中的插槽

Vue3 中插槽的使用&#xff0c;插槽是 Vue 中的一个特别特性&#xff0c;插槽就是模版内容。例如<h1>标题 1</h1>标题 1 就是插槽&#xff0c;Vue 是无法识别模板内容的&#xff0c;只能通过属性进行传递。Slot 主要包括默认、具名和作用域。Slot开发起来难度不大&…

01.02周四F34-Day43打卡

文章目录 1. 地是湿的。昨晚估计下雨了。2. 你可能把包丢在餐厅里了吧?3. 她说他可能误了航班。4. 我本来应该早点来的,但路上特别堵。5. 约翰可能在那次事故中受了重伤。6. 这是一个情景对话7. 我本可以走另一条路的。8. 我准是瘦了不少,你看我这裤子现在多肥。9. 钱没了!会…

深度学习:基于MindSpore NLP的数据并行训练

什么是数据并行&#xff1f; 数据并行&#xff08;Data Parallelism, DP&#xff09;的核心思想是将大规模的数据集分割成若干个较小的数据子集&#xff0c;并将这些子集分配到不同的 NPU 计算节点上&#xff0c;每个节点运行相同的模型副本&#xff0c;但处理不同的数据子集。…

五类推理(逻辑推理、概率推理、图推理、基于深度学习的推理)的开源库 (一)

在开发中&#xff0c;有一些开源库可以实现不同类型的推理&#xff0c;包括逻辑推理、概率推理、图推理、基于深度学习的推理等。以下是五类推理&#xff08;逻辑推理、概率推理、图推理、基于深度学习的推理&#xff09;的现成开源库&#xff0c;它们各自的功能、特点和适用场…

高等数学学习笔记 ☞ 函数的极限

1. 函数的极限定义 备注&#xff1a;已知坐标轴上一点&#xff0c;则&#xff1a; ①&#xff1a;的邻域&#xff1a;指附近的开区间&#xff0c;记作。 ②&#xff1a;的去心邻域&#xff1a;指附近的开区间&#xff0c;但不包含&#xff0c;记作。 ③&#xff1a;的邻域&…

Python用K-Means均值聚类、LRFMC模型对航空公司客户数据价值可视化分析指标应用|数据分享...

全文链接&#xff1a;https://tecdat.cn/?p38708 分析师&#xff1a;Yuling Fang 信息时代的来临使得企业营销焦点从产品中心转向客户中心&#xff0c;客户关系管理成为企业的核心问题&#xff08;点击文末“阅读原文”获取完整代码数据&#xff09;。 客户关系管理的关键是客…

【前端系列】优化axios响应拦截器

文章目录 一、前言&#x1f680;&#x1f680;&#x1f680;二、axios响应拦截器&#xff1a;☀️☀️☀️2.1 为什么前端需要响应拦截器element ui的消息组件 一、前言&#x1f680;&#x1f680;&#x1f680; ☀️ 回报不在行动之后&#xff0c;回报在行动之中。 这个系列可…

【 IEEE 独立出版 · EI核心、Scopus稳定检索 】第二届算法、软件工程与网络安全国际学术会议(ASENS 2025)

ASENS 2025 第二届算法、软件工程与网络安全国际学术会议 2025 2nd International Conference on Algorithms, Software Engineering and Network Security 中国 广州 2025年3月21-23日 会议官网&#xff1a;www.ic-asens.org IEEE 独立出版 EI核心、Scopus快速…

/ete/security/limits.conf参数详解

/ete/security/limits.conf配置文件 内容如下&#xff1a; * soft nofile 65535 * hard nofile 65535参数详解 *: 表示对所有用户生效soft: 表示软限制&#xff0c;即用户可以通过ulimit命令自行调整该值hard: 表示硬限制&#xff0c;即用户无法通过ulimit命令将该值调整超过…

#Vue3篇: 无感刷新token的原理JSESSIONID无感刷新和JWT接口刷新

基于这个后端是怎么更新token的 为了理解后端是如何更新 Token 的&#xff0c;我们需要考虑一个典型的基于 Token 的身份验证流程&#xff0c;特别是涉及 JSESSIONID 和自定义 Token&#xff08;如 JWT, JSON Web Token&#xff09;的情况。 下面我将介绍两种常见的更新 Token …

模块化通讯管理机在物联网系统中的应用

安科瑞刘鸿鹏 摘要 随着能源结构转型和智能化电网的推进&#xff0c;电力物联网逐渐成为智能电网的重要组成部分。本文以安科瑞ANet系列智能通信管理机为例&#xff0c;探讨其在电力物联网中的应用&#xff0c;包括数据采集、规约转换、边缘计算、远程控制等技术实践&#…

Python基于Gradio可视化部署机器学习应用

Gradio 是一个用于快速创建机器学习模型和用户界面之间交互的 Python 库。它允许你无需编写大量前端代码&#xff0c;就能将机器学习模型部署为可交互的网页应用。以下是一个基于 Gradio 可视化部署机器学习应用的基本步骤&#xff1a; 安装 Gradio&#xff1a; 首先&#xff0…

Springboot使用RabbitMQ实现关闭超时订单的一个简单示例

1.maven中引入rabbitmq的依赖&#xff1a; <dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-amqp</artifactId></dependency> 2.application.yml中进行rabbitmq相关配置&#xff1a; # rabbit…