VUE系列 ---- 网络模块axios(一 )

简介: ​目录 一、选择什么网络模块?★传统的Ajax是基于XMLHttpRequest(XHR)     ☆自己封装的话比较麻烦,可能存在很多bug★Jquery-Ajax是Jquery的一部分     ☆整个Vue是没有使用到Jquery的     ☆为了网络请求而去引入Jquery是不合理的     ☆Jquery的体积和Vuejs差不多二、为什么选择axios ☆在浏览器中发送XMLHttpRequest请求      ☆在node.js中发送http请求       ☆支持Promise API        ☆拦截请求和响应         

前言:今天叶秋学长带领大家学习VUE系列专栏中的网络模块学习,废话不多说上干货~~

目录

一、选择什么网络模块?

二、为什么选择axios

三、axios请求方式

四、axios的安装使用


image.gif编辑

一、选择什么网络模块?

★传统的Ajax是基于XMLHttpRequest(XHR)    

☆自己封装的话比较麻烦,可能存在很多bug

★Jquery-Ajax是Jquery的一部分    

☆整个Vue是没有使用到Jquery的    

☆为了网络请求而去引入Jquery是不合理的  

 ☆Jquery的体积和Vuejs差不多

二、为什么选择axios

☆在浏览器中发送XMLHttpRequest请求      ☆在node.js中发送http请求       ☆支持Promise API        ☆拦截请求和响应                                         ☆转换请求和响应数据

三、axios请求方式

★请求方式    

☆axios(config)                             ☆axios.request(config)                 ☆axios.get(url[,config])      ☆axios.delete(url[,config])           ☆axios.head(url[,config])               ☆axios.post(url[,data[,config]])  ☆axios.put(url[,data[,config]])      ☆axios.patch(url[,data[,config]])

四、axios的安装使用

http://www.axios-js.com/zh-cn

安装:创建脚手架后,在终端输入Npm install axios;

配置:在main.js文件中引入学生管理系统接口文档

image.gif编辑

在main.js直接可以写调用接口:

image.gif编辑

image.gif编辑

今天的分享到此为止,关注博主不迷路,叶秋学长带你上高速~~

相关文章
|
1月前
|
机器学习/深度学习 计算机视觉
RT-DETR改进策略【Neck】| ASF-YOLO 注意力尺度序列融合模块改进颈部网络,提高小目标检测精度
RT-DETR改进策略【Neck】| ASF-YOLO 注意力尺度序列融合模块改进颈部网络,提高小目标检测精度
84 3
RT-DETR改进策略【Neck】| ASF-YOLO 注意力尺度序列融合模块改进颈部网络,提高小目标检测精度
|
1月前
|
机器学习/深度学习 计算机视觉 网络架构
RT-DETR改进策略【模型轻量化】| 替换骨干网络 CVPR-2024 StarNet,超级精简高效的轻量化模块
RT-DETR改进策略【模型轻量化】| 替换骨干网络 CVPR-2024 StarNet,超级精简高效的轻量化模块
199 63
RT-DETR改进策略【模型轻量化】| 替换骨干网络 CVPR-2024 StarNet,超级精简高效的轻量化模块
|
1月前
|
机器学习/深度学习 计算机视觉
RT-DETR改进策略【模型轻量化】| 替换骨干网络为 MobileViTv1高效的信息编码与融合模块,获取局部和全局信息
RT-DETR改进策略【模型轻量化】| 替换骨干网络为 MobileViTv1高效的信息编码与融合模块,获取局部和全局信息
187 62
RT-DETR改进策略【模型轻量化】| 替换骨干网络为 MobileViTv1高效的信息编码与融合模块,获取局部和全局信息
|
1月前
|
机器学习/深度学习 计算机视觉
RT-DETR改进策略【Neck】| ECCV-2024 RCM 矩形自校准模块 优化颈部网络
RT-DETR改进策略【Neck】| ECCV-2024 RCM 矩形自校准模块 优化颈部网络
74 10
RT-DETR改进策略【Neck】| ECCV-2024 RCM 矩形自校准模块 优化颈部网络
|
1月前
|
机器学习/深度学习 计算机视觉
YOLOv11改进策略【Neck】| ASF-YOLO 注意力尺度序列融合模块改进颈部网络,提高小目标检测精度
YOLOv11改进策略【Neck】| ASF-YOLO 注意力尺度序列融合模块改进颈部网络,提高小目标检测精度
99 9
YOLOv11改进策略【Neck】| ASF-YOLO 注意力尺度序列融合模块改进颈部网络,提高小目标检测精度
|
1月前
|
机器学习/深度学习 计算机视觉
YOLOv11改进策略【Neck】| ECCV-2024 RCM 矩形自校准模块 二次创新C3k2 改进颈部网络
YOLOv11改进策略【Neck】| ECCV-2024 RCM 矩形自校准模块 二次创新C3k2 改进颈部网络
70 6
YOLOv11改进策略【Neck】| ECCV-2024 RCM 矩形自校准模块 二次创新C3k2 改进颈部网络
|
1月前
|
机器学习/深度学习 计算机视觉
YOLOv11改进策略【模型轻量化】| 替换骨干网络为 MobileViTv1高效的信息编码与融合模块,获取局部和全局信息
YOLOv11改进策略【模型轻量化】| 替换骨干网络为 MobileViTv1高效的信息编码与融合模块,获取局部和全局信息
82 9
YOLOv11改进策略【模型轻量化】| 替换骨干网络为 MobileViTv1高效的信息编码与融合模块,获取局部和全局信息
|
1月前
|
机器学习/深度学习 计算机视觉 网络架构
YOLOv11改进策略【模型轻量化】| 替换骨干网络 CVPR-2024 StarNet,超级精简高效的轻量化模块
YOLOv11改进策略【模型轻量化】| 替换骨干网络 CVPR-2024 StarNet,超级精简高效的轻量化模块
131 19
|
4月前
|
前端开发 JavaScript 容器
在 vite+vue 中使用@originjs/vite-plugin-federation 模块联邦
【10月更文挑战第25天】模块联邦是一种强大的技术,它允许将不同的微前端模块组合在一起,形成一个统一的应用。在 vite+vue 项目中,使用@originjs/vite-plugin-federation 模块联邦可以实现高效的模块共享和组合。通过本文的介绍,相信你已经了解了如何在 vite+vue 项目中使用@originjs/vite-plugin-federation 模块联邦,包括安装、配置和使用等方面。在实际开发中,你可以根据自己的需求和项目的特点,灵活地使用模块联邦,提高项目的可维护性和扩展性。
|
4月前
|
缓存 JavaScript UED
Vue 中异步加载模块的方式
【10月更文挑战第23天】这些异步加载模块的方式各有特点和适用场景,可以根据项目的需求和架构选择合适的方法来实现模块的异步加载,以提高应用的性能和用户体验