Nano Hash - криптовалюты, майнинг, программирование

Добавить обработку ошибок jQuery для всех изображений на страницах JSF внутри списков, сеток

Для начала немного предыстории. То, что я пытаюсь сделать, — это обработчик ошибок на стороне клиента для моего JSF-приложения для изображений, который делает что-то всякий раз, когда изображение не загружается. Что-то немного сложное, поэтому я выберу простой пример, который делает что-то похожее, переписывая атрибут src в другое изображение. Кроме того, мои изображения хранятся на Amazon S3, поэтому запросы изображений не проходят через фильтры в моем JSF-приложении, и я хотел бы, чтобы так и оставалось.

По сути, я хочу сделать это для ВСЕХ приложений изображений (с некоторыми украшениями):

$('img').error(function() {
  var newImage = 'somethingbasedofftheoriginalurl.jpg'; //pseudocode
  $(this).attr('src','newImage');
}

Проблема, с которой я столкнулся, заключается в том, что она не работает для динамических списков или сеток, таких как Primefaces DataGrid. Он добавит обработчик ошибок для изображений на первой странице, но не для последующих страниц при использовании пагинатора. Очевидно, он прикрепляет обработчик только к элементам, которые существовали на момент вызова $('img').

К точке:

Есть ли способ подключить универсальный обработчик ошибок на стороне клиента для ВСЕХ изображений в масштабе всего приложения в моем приложении JSF? Это не обязательно должен быть jQuery, но наличие его на стороне клиента необходимо, вплоть до того момента, когда все говорят мне, что это невозможно... Кроме того, важно иметь этот код в как можно меньшем количестве мест. . Я не могу добавлять его на каждую чертову xhtml-страницу во всем моем приложении.


  • Вы пытались использовать .on(error, funtion(){}); 07.01.2015
  • @Juan: не работает для error, потому что он не поднимется до $(document). 07.01.2015

Ответы:


1

PrimeFaces разбивает страницы с помощью ajax. Таким образом, все, что вам в основном нужно сделать, это повторно выполнить этот скрипт после завершения ajax-ответа PrimeFaces, который можно наблюдать с помощью пользовательского события pfAjaxComplete.

Итак, в целом, это должно сделать:

$(document).on("pfAjaxComplete", function(event, xhr, options) {
    // Do the job here.
});
07.01.2015
  • Работает во всех случаях, которые я пробовал до сих пор. Спасибо, вы спасаете жизнь. 08.01.2015
  • Новые материалы

    Кластеризация: более глубокий взгляд
    Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..

    Как написать эффективное резюме
    Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..

    Частный метод Python: улучшение инкапсуляции и безопасности
    Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..

    Как я автоматизирую тестирование с помощью Jest
    Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..

    Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
    Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..

    Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
    В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..

    Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
    В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..