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YoloV11自定义数据集实现车辆事故检测(有源码,建议收藏!)
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实现高级目标检测和区域计数
查看>>
VS2003 Front Page Server Extension
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YoloV8的药丸/片剂类型识别
查看>>
OpenCV与AI深度学习 | 基于YOLO和EasyOCR从视频中识别车牌
查看>>
OpenCV与AI深度学习 | 基于图像处理的火焰检测算法(颜色+边缘)
查看>>
OpenCV与AI深度学习 | 基于拉普拉斯金字塔实现图像融合(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 基于改进YOLOv8的景区行人检测算法
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 | 如何使用YOLO-World做目标检测
查看>>
OpenCV与AI深度学习 | 如何使用YOLOv9分割图像中的对象
查看>>
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>>