博客
关于我
React-ts开发备忘——在tsx中使用js的模块引入方式
阅读量:348 次
发布时间:2019-03-04

本文共 540 字,大约阅读时间需要 1 分钟。

我们初次使用TSX开发React项目时,可能会对模块引入方式感到困惑。

在TSX中引入React确实与传统的JavaScript方式有所不同。TSX需要我们像这样引入React:

import * as React from 'react';

而在传统的JavaScript项目中,引入React则可以这样写:

import React, { Component, useState } from 'react';

从上面的对比可以看出,使用TSX的引入方式相对不够方便。因为TSX的 JSX 语法依赖于React,而每个 React 组件都需要显式地引入 React。

如果想像传统的 JavaScript 写法在 TSX 中使用模块引入,确实需要一些配置。具体来说,我们需要在 tsconfig.json 的“compilerOptions”中添加以下选项:

{    "compilerOptions": {      "allowSyntheticDefaultImports": true    }  }

这样配置后,我们就可以像在 JavaScript 中一样引入模块了。这种方法既简洁又高效,适用于所有 React 组件,包括类式组件和使用 hooks 的函数组件。

转载地址:http://suuh.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 基于OpenCV实现模糊检测 / 自动对焦
查看>>
OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
查看>>
OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
查看>>
OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
查看>>
OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
查看>>
OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
查看>>
OpenCV与AI深度学习 | 基于深度学习的轮胎缺陷检测系统
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV传统方法实现密集圆形分割与计数(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV实现扫描文本矫正应用与实现详解(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
查看>>
OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
查看>>
OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
查看>>
OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
查看>>
OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
查看>>
OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 深度学习检测小目标常用方法
查看>>