当前位置:首页 > 文章列表 > 文章 > 前端 > 原生JS绘制定制鱼骨图详解教程

原生JS绘制定制鱼骨图详解教程

2025-03-21 09:57:27 0浏览 收藏

本文提供一个使用原生JavaScript绘制复杂可定制鱼骨图的完整教程,无需任何第三方库。教程以一个包含多级子节点和节点文本信息的复杂示例为基础,详细讲解了如何利用SVG元素构建鱼骨图,并实现节点宽度自适应、文本长度自适应等功能。核心代码包含`FishBone`类,其关键方法涵盖数据解析、节点绘制、连接线绘制以及递归绘制子节点等。尽管已实现大部分功能,但文章也指出了待完善的部分,例如子节点展开/收缩、线条颜色配置、整体收缩/展开、图自适应大小以及节点事件绑定等,为后续的代码扩展提供了方向,最终实现一个灵活、可控的自定义鱼骨图。

如何使用原生JavaScript绘制复杂的、可定制的鱼骨图?

原生JavaScript绘制复杂鱼骨图详解

本文介绍如何使用纯JavaScript代码绘制复杂的、可定制的鱼骨图,无需借助第三方库如G6。我们将深入探讨代码实现,并指出代码中尚待完善的部分。

文章基于一个用户提供的复杂鱼骨图示例(见上图),该图包含多级子节点和节点文本信息,因此选择原生SVG绘制方式,直接在HTML中创建SVG元素构建鱼骨图,以获得更高的灵活性。

代码首先定义一个JSON数据结构arr,存储鱼骨图的节点和连接关系。每个节点包含label(标签)、value(值)、type(类型)、time(时间)和child(子节点)等属性。 核心部分是FishBone类,负责解析数据并使用SVG元素进行绘制。

FishBone类包含以下关键方法:

  • initKvArray():遍历数据,计算每个月份节点的宽度,并存储在kvArray中。宽度根据子节点中最长文本长度自适应调整。
  • getMaxWidth():递归计算每个节点及其子节点中最长文本宽度,确定节点宽度。
  • randerMonthBox():绘制月份节点(平行四边形)及其文本。月份节点的x坐标根据前一个节点宽度累加计算。
  • creatBigCircle():绘制主干节点(圆圈)和连接线,并递归调用renderParent()绘制子节点。
  • renderParent():递归绘制子节点,并计算子节点高度。
  • randerLeaf():绘制最底层叶子节点。
  • getMaxChildHeight():递归计算每个节点的最大子节点数量,确定子节点排列方式。
  • getLineWidth():计算文本宽度,设置最小宽度,确保线条足够长以容纳文本。
  • createTag():辅助函数,创建SVG元素。
  • createMonth():辅助函数,创建月份节点。

代码已实现大部分功能,包括月份节点宽度自适应、文本长度自适应以及基本图形绘制。但仍有以下待完善部分:

  • 子集展开/收缩功能: 允许用户展开或收缩子节点,提高交互性。
  • 线条颜色配置: 允许用户自定义线条颜色,增强视觉效果。
  • 整体收缩/展开功能: 允许用户一次性展开或收缩整个鱼骨图。
  • 图自适应大小功能: 根据内容自动调整鱼骨图大小,适应不同屏幕尺寸。
  • 节点事件绑定: 允许用户与节点交互,例如点击节点显示更多信息。

这些功能需要根据实际需求补充完善。代码已预留相关接口和变量,方便扩展。例如,可在arr数据中添加事件属性,并在创建元素时绑定事件监听器实现节点事件。

此代码提供了一个功能完善的鱼骨图基础,用户可根据自身需求进行定制和扩展,原生SVG的特性保证了灵活性与可控性。

本篇关于《原生JS绘制定制鱼骨图详解教程》的介绍就到此结束啦,但是学无止境,想要了解学习更多关于文章的相关知识,请关注golang学习网公众号!

LAMP架构中如何整合Node.js或Python处理网络请求?LAMP架构中如何整合Node.js或Python处理网络请求?
上一篇
LAMP架构中如何整合Node.js或Python处理网络请求?
Selenium获取隐藏文本:实用技巧及方法
下一篇
Selenium获取隐藏文本:实用技巧及方法
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    381次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    451次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    463次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    403次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    232次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码