在shadcn-ui项目中优雅实现数据表格行操作的Toast反馈
2025-05-11 22:23:36作者:咎竹峻Karen
问题背景
在使用shadcn-ui构建数据表格时,开发者经常需要在行操作(如删除)后提供用户反馈。常见的做法是使用Toast通知来告知用户操作结果。然而,直接在表格列的cell函数中调用React Hook(如useToast)会导致ESLint报错,因为cell函数本身不符合React组件或自定义Hook的命名规范。
错误示例分析
最初尝试直接在columns.tsx文件中定义cell函数并调用useToast:
cell: ({ row }) => {
const { toast } = useToast(); // 这里会触发ESLint错误
// ...其他逻辑
}
这种写法虽然能在开发环境中工作,但在生产构建时会触发ESLint规则错误,因为:
cell函数不是React组件(名称未大写)- 也不是自定义Hook(名称未以"use"开头)
- 违反了React Hook的调用规则
最佳实践解决方案
1. 创建独立的CellAction组件
更优雅的解决方案是将行操作逻辑提取到单独的React组件中:
const CellAction = ({ row }: CellContext<File, unknown>) => {
const { toast } = useToast(); // 现在可以安全地使用Hook
const router = useRouter();
const handleDelete = async () => {
const { success } = await deleteFileById(row.original.key);
if (!success) {
toast({
variant: "default",
description: "删除文件失败"
});
return;
}
toast({
variant: "success",
description: "文件删除成功"
});
router.refresh();
};
return (
<DropdownMenu>
{/* 下拉菜单实现 */}
</DropdownMenu>
)
}
2. 在列定义中使用组件
然后在列定义中直接引用这个组件:
export const columns: ColumnDef<File>[] = [
{
id: "actions",
cell: CellAction // 直接引用组件
}
]
技术要点解析
- 组件化思维:将UI和逻辑封装成独立组件,符合React的设计哲学
- Hook使用规范:确保Hook只在React组件或自定义Hook中调用
- 关注点分离:将Toast反馈逻辑与表格列定义分离,提高代码可维护性
- 用户体验优化:提供清晰的操作反馈,包括成功和失败状态
扩展建议
- 加载状态处理:可以在删除操作时添加加载状态,防止用户重复点击
- 确认对话框:重要操作前添加确认步骤,避免误操作
- 错误详情展示:失败时可以展示更详细的错误信息
- 国际化支持:将提示文本提取为国际化资源
这种组件化的实现方式不仅解决了ESLint报错问题,还使代码结构更加清晰,便于后续维护和扩展。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0212
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0137
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
项目优选
收起
deepin linux kernel
C
32
16
暂无描述
Dockerfile
774
5.07 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
872
2.01 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
468
461
Ascend Extension for PyTorch
Python
757
960
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
696
1.4 K
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++
1.1 K
1.14 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.03 K
271
昇腾LLM分布式训练框架
Python
183
230
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1.03 K
646