MoneyManagerEx 交易排序功能的技术实现与优化
2025-07-06 06:25:43作者:史锋燃Gardner
背景介绍
MoneyManagerEx 是一款开源的财务管理软件,其交易记录排序功能一直是用户体验的重要组成部分。在1.8.1版本中,用户发现当选择按"日期"排序时,系统会自动将第二排序条件设为"ID",而无法自由选择如"编号"等其他字段作为第二排序条件。
技术问题分析
原始排序机制
在1.8.1版本中,排序功能存在以下技术特点:
- 硬编码耦合:日期列与ID列被硬编码耦合在一起,用户无法选择其他字段作为第二排序条件
- 物理列索引存储:系统存储的是列的物理位置索引而非逻辑列标识,导致在版本升级时(如1.9.0新增SN列)会出现排序错位问题
- 时间处理不一致:交易记录中的TRANSDATE字段同时包含日期和时间信息,但排序时未考虑用户是否启用了时间显示选项
数据库层面
TRANSDATE字段采用ISO 8601扩展格式存储(YYYY-MM-DDThh:mm:ss),但存在以下问题:
- 历史数据不一致:1.8.0版本之前创建的交易记录可能缺少时间部分(仅包含日期)
- 命名歧义:TRANSDATE字段名暗示仅包含日期,实际却同时存储日期和时间信息
解决方案演进
1.9.0版本的改进
- 解耦排序列:解除了日期列与ID列的硬编码耦合,允许用户自由选择任意两列进行组合排序
- SN列引入:新增SN(序列号)列,作为包含时间信息的唯一标识符,解决了Balance显示顺序问题
- 排序稳定性:使用stable_sort保证相同主键值记录的相对顺序不变
时间处理优化
针对TRANSDATE字段的时间处理进行了以下改进:
- 日期排序隔离:当按日期列排序时,仅比较TRANSDATE的前10个字符(YYYY-MM-DD部分)
- 时间显示统一:确保mmGetTimeForDisplay对未设置时间的记录返回"00:00:00"而非空字符串
- 显示与排序分离:在界面显示时区分日期和时间列,但在排序时保持逻辑一致性
技术实现细节
排序算法改进
// 新的日期排序函数,仅比较日期部分
struct SorterByTRANSDATE_DATE {
template <class DATA> bool operator()(const DATA& x, const DATA& y) {
return x.TRANSDATE.Left(10) < y.TRANSDATE.Left(10);
}
};
// 时间排序函数
struct SorterByTRANSDATE_TIME {
template <class DATA> bool operator()(const DATA& x, const DATA& y) {
return mmGetTimeForDisplay(x.TRANSDATE) < mmGetTimeForDisplay(y.TRANSDATE);
}
};
数据库升级建议
- 数据规范化:在下次数据库升级时,为所有历史记录补充"T00:00:00"时间部分
- 字段名重构:考虑将TRANSDATE更名为TRANSDATETIME以提高代码可读性(需评估兼容性影响)
用户影响与最佳实践
- 版本迁移注意:从1.8.1升级到1.9.0时,用户需要重新设置排序偏好
- 时间数据处理:如需清除所有交易记录的时间部分,可通过批量编辑功能统一设置为"00:00:00"
- 排序策略选择:SN列已包含时间信息,排序时优先考虑使用SN而非单独的日期或时间列
总结
MoneyManagerEx通过对交易排序功能的深度重构,解决了长期存在的排序耦合问题,同时提高了时间数据处理的健壮性。这一改进不仅增强了用户体验,也为未来的功能扩展奠定了更灵活的基础。技术实现上,通过分离排序逻辑与显示逻辑、规范化数据存储、引入新的排序标识列等手段,实现了功能目标同时保持了系统稳定性。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Solidcam后处理文件下载与使用完全指南:提升CNC编程效率的必备资源 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 Python开发者的macOS终极指南:VSCode安装配置全攻略 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 STM32到GD32项目移植完全指南:从兼容性到实战技巧
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
403
3.14 K
Ascend Extension for PyTorch
Python
224
250
暂无简介
Dart
672
159
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
319
React Native鸿蒙化仓库
JavaScript
262
325
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
219