使用JointJS绘制流程图1
2023-04-18 13:11:36 时间
依赖:jquery,lodash,backbone 如果使用自动排版,需要添加依赖:dagre,graphlib
样例
源码
<!DOCTYPE html>
<html lang="en">
<head>
<meta charset="UTF-8">
<title>Title</title>
<script src="js/jquery-3.6.0.min.js"></script>
<script src="js/lodash.js"></script>
<script src="js/backbone.js"></script>
<script src="joint/joint.min.js"></script>
<link href="joint/joint.css" rel="stylesheet" type="text/css"/>
</head>
<body>
<div id="chart"></div>
<script>
// 创建图画模型对象
const graph = new joint.dia.Graph;
// 创建画布
const paper = new joint.dia.Paper({
el: document.getElementById('chart'),
model: graph,
width: 1000,
height: 600,
gridSize: 1
});
// 绘制节点
drawNode = function (x, y, text) {
const rect = new joint.shapes.standard.Rectangle();
rect.position(x, y);
rect.resize(100, 40);
rect.attr({
body: {
fill: 'blue'
},
label: {
text: text,
fill: 'white'
}
});
rect.addTo(graph);
return rect;
}
// 连接节点
link = function (source, target) {
var link = new joint.shapes.standard.Link();
link.source(source);
link.target(target);
link.addTo(graph);
}
const node1 = drawNode(100, 100, "node1");
const node2 = drawNode(300, 100, "node2");
const node3 = drawNode(500, 200, "node3");
const node4 = drawNode(700, 200, "node4");
const node5 = drawNode(900, 100, "node5");
link(node1, node2);
link(node2, node3);
link(node3, node4);
link(node4, node5);
link(node2, node5);
</script>
</body>
</html>
使用自动布局
<!-- 引入依赖 -->
<script src="dagre/dagre.min.js"></script>
<script src="dagre/graphlib.min.js"></script>
<script>
// 进行排版
joint.layout.DirectedGraph.layout(graph, {
rankDir: "BT", // 排版方向可以支持'TB' | 'BT' | 'LR' | 'RL'四种方向,默认为TB自上而下
nodeSep: 100, //节点间隔
edgeSep: 100 // 边间隔
});
</script>
效果
相关文章
- 【技术种草】cdn+轻量服务器+hugo=让博客“云原生”一下
- CLB运维&运营最佳实践 ---访问日志大洞察
- vnc方式登陆服务器
- 轻松学排序算法:眼睛直观感受几种常用排序算法
- 十二个经典的大数据项目
- 为什么使用 CDN 内容分发网络?
- 大数据——大数据默认端口号列表
- Weld 1.1.5.Final,JSR-299 的框架
- JavaFX 2012:彻底开源
- 提升as3程序性能的十大要点
- 通过凸面几何学进行独立于边际的在线多类学习
- 利用行动影响的规律性和部分已知的模型进行离线强化学习
- ModelLight:基于模型的交通信号控制的元强化学习
- 浅谈Visual Source Safe项目分支
- 基于先验知识的递归卡尔曼滤波的代理人联合状态和输入估计
- 结合网络结构和非线性恢复来提高声誉评估的性能
- 最佳实践丨云开发CloudBase多环境管理实践
- TimeVAE:用于生成多变量时间序列的变异自动编码器
- 具有线性阈值激活的神经网络:结构和算法
- 内网渗透之横向移动 -- 从域外向域内进行密码喷洒攻击