Handsontable 15.1.0 版本发布:性能优化与功能增强
项目简介
Handsontable 是一个功能强大的 JavaScript 数据表格库,它提供了类似 Excel 的电子表格体验,支持数据绑定、数据验证、排序、筛选、合并单元格等丰富功能。作为企业级数据管理解决方案,Handsontable 特别适合需要处理复杂数据交互的 Web 应用程序。
核心更新内容
性能优化
本次 15.1.0 版本在性能方面做出了显著改进:
-
渲染机制重构:通过重用单元格节点的方式重构了表格渲染机制,大幅提升了渲染效率。这种优化对于处理大型数据集的场景尤为重要。
-
水平滚动性能提升:专门针对水平滚动操作进行了性能优化,使得在包含大量列的数据表格中滚动更加流畅。
-
Hyperformula 升级:将内置的公式引擎 Hyperformula 升级至 v3 版本,带来了更好的计算性能和稳定性。
用户体验改进
-
注释编辑器增强:为注释编辑器添加了 TAB 和 SHIFT+TAB 快捷键支持,使得在注释中的文本编辑更加符合用户习惯。
-
分页键优化:修复了 Page Up/Page Down 快捷键在超大行高情况下的行为问题,确保键盘导航的一致性。
-
RTL 支持完善:针对从右到左(RTL)布局进行了多项修复,特别是日期选择器箭头图标的位置问题。
-
移动端适配:修复了移动设备上日期编辑器在选择日期后不会自动关闭的问题。
数据操作修复
-
自动填充功能:修复了合并单元格场景下的自动填充功能,确保数据填充行为符合预期。
-
撤销/重做机制:
- 修复了数据删除后撤销操作时的滚动行为
- 解决了在启用筛选功能后执行撤销/重做操作时影响错误单元格的问题
- 完善了在启用最小备用行/列(minSpareRows/minSpareCols)时的撤销/重做行为
-
数据验证:修复了自定义编辑器中下拉类型单元格的验证问题。
主题系统完善
15.1.0 版本对新的主题系统进行了多项修复和改进:
-
视觉一致性:
- 修复了自动填充处理程序的样式问题
- 修正了单元格编辑器宽度计算
- 解决了固定行列的边框渲染问题
-
组件样式:
- 修复了嵌套表头的标题选择样式
- 调整了复选框与标签之间的间距
- 完善了上下文菜单和下拉菜单的初始样式
-
交互元素:
- 修复了下拉编辑器在固定行上的可见性问题
- 修正了合并和非合并单元格同时选中时的选择渲染
- 解决了使用键盘快捷键打开上下文菜单位置错误的问题
其他重要修复
-
单元格元数据:修复了 getCellsMeta 方法返回不正确结果的问题。
-
虚拟化支持:为筛选器的"按值"组件添加了行虚拟化支持,提升了大数据集下的性能。
-
只读控制:禁用了只读单元格的"清除列"选项,防止误操作。
-
复制粘贴:修复了 Chrome 133 版本中的复制粘贴功能异常问题。
-
注释交互:解决了点击注释编辑器元素导致当前选中单元格取消选择的问题。
技术细节
本次更新还包含了一些底层技术改进:
-
数据钩子标准化:修复了传递给数据修改钩子的值未标准化的问题,确保了数据处理的可靠性。
-
渲染调用优化:解决了 minSpareRows 和 minSpareCols 选项缺少渲染调用的问题。
-
错误处理:修复了多种情况下可能抛出未捕获错误的问题,包括:
- 更改主题时编辑器未完全初始化
- 滚动视口时
- 表格容器大小变化后
-
类型声明:从类型声明文件中移除了 getComputedStyle 函数,提高了类型系统的准确性。
总结
Handsontable 15.1.0 版本是一个以性能优化和稳定性提升为主的更新,通过重构渲染机制、升级核心组件和修复大量边界情况问题,显著提升了产品的整体质量和用户体验。特别是对于处理大型数据集的企业级应用,这次更新带来的性能改进将产生明显效果。同时,新主题系统的持续完善也为用户提供了更加一致和专业的视觉体验。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00