博客
关于我
使用flexible适配移动端h5页面
阅读量:423 次
发布时间:2019-03-06

本文共 906 字,大约阅读时间需要 3 分钟。

flexible是淘宝提供的一套REM手机适配的库,使用简单实用。开发者可以通过引入flexible.js和flexible_css.js来清除默认样式,或者通过CDN方式获取。

在实际开发中,需要先通过Sublime Text安装cssrem插件。具体步骤如下:

  • 克隆项目仓库:git clone
  • 进入Sublime Text偏好设置,浏览包裹目录
  • 将cssrem目录复制到包裹目录中
  • 重启Sublime Text
  • 插件支持配置参数:

    • px_to_rem:px转rem的比例,默认为40,建议设置设计稿的1/10
    • max_rem_fraction_length:rem的小数位数,默认为6
    • available_file_types:支持文件类型,默认包括.css、.less、.sass

    示例配置:

    {  "px_to_rem": 37.5,  "max_rem_fraction_length": 6,  "available_file_types": [".css", ".less", ".sass", ".html"]}

    在HTML中直接使用rem单位即可,无需额外转换。对于文本适配,建议使用px,并结合[data-dpr]属性区分不同分辨率:

    div {  font-size: 12px;}[data-dpr="2"] div {  font-size: 24px;}[data-dpr="3"] div {  font-size: 36px;}

    Sass混合宏可自定义字号:

    @mixin font-dpr($font-size) {  font-size: $font-size;  [data-dpr="2"] & {    font-size: $font-size * 2;  }  [data-dpr="3"] & {    font-size: $font-size * 3;  }}@include font-dpr(16px);

    适用于段落文本的场景,可通过data-dpr属性动态调整字号。如需自定义slogan适配,可直接使用rem单位。

    参考文章:flexible适配方案

    转载地址:http://uzsuz.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 如何使用YOLOv9检测图片和视频中的目标
    查看>>
    OpenCV与AI深度学习 | 如何在 Docker 容器中使用 GPU
    查看>>
    OpenCV与AI深度学习 | 实战 | OpenCV中更稳更快的找圆方法--EdgeDrawing使用演示(详细步骤 + 代码)
    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 | YOLO11自定义数据集训练实现缺陷检测 (标注+训练+预测 保姆级教程)
    查看>>
    OpenCV与AI深度学习 | 实战 | YOLOv10模型微调检测肾结石并提高准确率
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用OpenCV和Streamlit搭建虚拟化妆应用程序(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用OpenCV确定对象的方向(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OpenCV和K-Means聚类实现颜色分割(步骤 + 代码)
    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+SAM实现动态目标检测和分割(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 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 通过微调SegFormer改进车道检测效果(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
    查看>>