Laravel-AdminLTE 中实现基于权限的菜单控制
2025-06-17 14:21:19作者:廉彬冶Miranda
在基于 Laravel-AdminLTE 构建后台管理系统时,菜单权限控制是一个常见的需求。本文将详细介绍如何利用 Laravel 的权限系统(如 Spatie 权限包)来实现动态菜单显示控制。
核心思路
Laravel-AdminLTE 提供了菜单过滤器(Menu Filters)机制,允许开发者在菜单渲染前对菜单项进行过滤处理。我们可以利用这一特性,结合 Laravel 的权限系统,实现基于用户权限的菜单显示控制。
实现步骤
1. 创建自定义菜单过滤器
首先需要创建一个自定义的菜单过滤器类,这个类将负责检查用户权限并决定是否显示特定菜单项。
namespace App\Filters;
use JeroenNoten\LaravelAdminLte\Menu\Builder;
use JeroenNoten\LaravelAdminLte\Menu\Filters\FilterInterface;
use Illuminate\Support\Facades\Auth;
class PermissionFilter implements FilterInterface
{
public function transform($item, Builder $builder)
{
if (!isset($item['permission'])) {
return $item;
}
if (Auth::user()->can($item['permission'])) {
return $item;
}
return false;
}
}
2. 注册自定义过滤器
在服务提供者中注册我们创建的权限过滤器:
public function boot()
{
AdminLte::menuFilter(PermissionFilter::class);
}
3. 配置菜单项
在配置菜单时,为需要权限控制的菜单项添加权限标识:
'menu' => [
[
'text' => '用户管理',
'url' => 'admin/users',
'icon' => 'users',
'permission' => 'manage_users'
],
[
'text' => '系统设置',
'url' => 'admin/settings',
'icon' => 'cog',
'permission' => 'manage_settings'
]
]
高级用法
子菜单权限控制
对于多级菜单,我们可以递归地应用权限检查:
public function transform($item, Builder $builder)
{
if (isset($item['permission']) && !Auth::user()->can($item['permission'])) {
return false;
}
if (isset($item['submenu'])) {
$item['submenu'] = array_filter(array_map(
[$this, 'transform'],
$item['submenu']
));
if (empty($item['submenu'])) {
return false;
}
}
return $item;
}
多权限检查
有时一个菜单项可能需要多个权限中的任意一个:
if (isset($item['any_permission'])) {
$hasPermission = false;
foreach ($item['any_permission'] as $permission) {
if (Auth::user()->can($permission)) {
$hasPermission = true;
break;
}
}
if (!$hasPermission) {
return false;
}
}
性能优化
对于大型系统,频繁的权限检查可能影响性能。可以考虑以下优化策略:
- 缓存用户的权限列表
- 预加载用户权限关系
- 对菜单配置进行适当的分组
总结
通过 Laravel-AdminLTE 的菜单过滤器机制,我们可以灵活地实现基于权限的菜单控制。这种方法不仅保持了代码的整洁性,还能与 Laravel 的权限系统无缝集成。开发者可以根据实际需求扩展过滤器的功能,实现更复杂的权限控制逻辑。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
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
暂无简介
Dart
615
140
Ascend Extension for PyTorch
Python
167
187
React Native鸿蒙化仓库
JavaScript
240
315
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++
647
255
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
373
3.18 K
🎉 (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
1.09 K
618
🔥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
62
19
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
261
92