博客
关于我
前端工程化:wepy配置vscode代码格式化
阅读量:304 次
发布时间:2019-03-01

本文共 984 字,大约阅读时间需要 3 分钟。

Vetur插件配置指南

安装插件Vetur是一个强大的Vue工具链插件,安装前可以通过以下步骤完成配置:

  • 打开你的项目,在终端输入以下命令安装插件:
  • npm install vetur-wepy --save-dev

    创建配置文件在你的项目根目录下,新建一个.vscode/settings.json文件,添加必要的配置内容:

    {    "editor.defaultFormatter": "hu2ren.vetur-wepy",    "vetur.validation.script": false,    "vetur.validation.interpolation": false,    "vetur.validation.template": false,    "vetur.format.defaultFormatter.js": "none",    "vetur.format.defaultFormatter.html": "js-beautify-html",    "editor.formatOnSave": true,    "eslint.run": "onSave",    "eslint.validate": ["vue"],    "editor.codeActionsOnSave": {        "source.fixAll": true,        "source.fixAll.stylelint": true    }}

    配置说明上述配置文件主要包含以下几个关键设置:

    • editor.defaultFormatter:指定代码格式化器,默认使用Vetur的formatter。
    • vetur.format.defaultFormatter.html:设置HTML文件的格式化方式。
    • editor.formatOnSave:启用格式化保存功能。
    • eslint.run:设置ESLint的运行方式。
    • editor.codeActionsOnSave:定义保存时的代码修复规则。

    结果测试在完成以上配置后,你可以按照以下步骤进行测试:

  • 保存你的HTML、CSS或JS文件
  • IDE会自动触发格式化和校验
  • 查看输出结果,确保格式正确
  • 通过以上配置,你可以在每次保存时自动校验代码格式和ESLint规则,提升开发效率。

    转载地址:http://rmpo.baihongyu.com/

    你可能感兴趣的文章
    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>>
    OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
    查看>>
    OpenCV与AI深度学习 | 实用技巧 | 使用OpenCV进行模糊检测
    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 | 工业缺陷检测中数据标注需要注意的几个事项
    查看>>