Domovská » UI / UX » Tento 500 bajtů Javascript může předvídat pohyb uživatele kurzorem

    Tento 500 bajtů Javascript může předvídat pohyb uživatele kurzorem

    S JavaScriptem a otevřeným zdrojovým kódem je práce ještě jednodušší.

    Předtucha je jednou z nejlepších knihoven, které jsem viděl a je postaven pouze 500 bajtů JavaScriptu. Pomocí tohoto pluginu můžete zjistit, kam se pohybuje myš uživatele, a předvídat, ke kterému prvku směřují.

    To může znít jako složitá myšlenka, ale je poměrně snadné jej implementovat. Nemluvě o těchto nabídkách tón příležitost pro vývojáře vytvořit některé opravdu skvělé efekty jako animace před vznášením nebo efekty dynamického rozvržení.

    Začnete tím cílení na prvek na stránce a definovat, jak to bude vypadat když se uživatel pohybuje směrem k tomuto prvku.

    Všechny výpočty jsou prováděny na backendu s knihovnou Premonish, takže se nemusíte starat o matematiku nebo logiku za tímto.

    Místo toho hledáte cestu zvládnout predikci založené na hodnocení spolehlivosti chování uživatele. To vše je předáno do JavaScriptu, takže si můžete napsat své vlastní funkce zpracování uživatelského chování.

    Tady je příklad fragmentu z předváděcího dema:

     premonish. 

    onIntent () Metoda je zapálena do premonismu a nazývá se vždy, když si to knihovna všimne uživatel se pohybuje směrem k některému prvku.

    Můžete také použít jinou metodu, onMouseMove (), který běží pokaždé, když kurzor změní pozice X / Y na obrazovce. Tímto způsobem můžete vidět, jak Premonish vypočítává pravděpodobnost úmyslu uživatele.

    Najdete spoustu informací v hlavním repo GitHub, které obsahuje jednoduché úryvky kódu abys začal. Inicializace prostě vyžaduje série voličů nebo prvků DOM které by měly být cíleny.

    Jak vlastně používáte tento plugin je zcela na vás. To není míněno jako kompletní řešení, ale spíše jako výchozí bod, který vám pomůže předpokládat uživatelské úmysly a vybudovat si v této oblasti zkušenosti.

    Podívejte se na živé demo vidět, jak to všechno funguje a vidět “debugovací mód” kde můžete sledovat, jak algoritmus predikce pracuje v reálném čase.

    Můžete se také podělit o své myšlenky a poděkovat tvůrci Matthewovi Conlenovi na jeho Twitteru @mathisonian.