Ant Design Splitter 组件 lazy 模式下的尺寸回调问题解析
2025-04-29 16:34:23作者:傅爽业Veleda
问题背景
在使用 Ant Design 的 Splitter 组件时,开发者发现当开启 lazy 属性后,onResize 和 onResizeEnd 回调的行为出现了异常。具体表现为:
- onResize 回调在拖动过程中只触发一次
- onResizeEnd 回调返回的尺寸是上一次的尺寸值,而非当前最新尺寸
技术分析
Splitter 组件的工作机制
Splitter 组件用于创建可调整大小的面板布局,主要包含以下核心功能:
- 实时调整:默认模式下,面板尺寸会随着用户拖动实时变化
- 延迟渲染(lazy 模式):当设置 lazy 属性时,面板只在拖动结束时才更新实际尺寸
回调函数的预期行为
按照设计原则,无论是否开启 lazy 模式,回调函数的行为应该保持一致:
- onResize:在尺寸变化过程中持续触发
- onResizeEnd:在调整结束时触发,并提供最终确定的尺寸值
当前实现的问题
在 lazy 模式下,当前实现存在以下问题:
- onResize 触发不足:由于 lazy 模式下面板不实时更新,导致回调也被限制
- onResizeEnd 数据滞后:返回的是调整前的尺寸而非最新尺寸
解决方案建议
临时解决方案
开发者可以暂时通过以下方式获取正确尺寸:
- 同时监听 onResize 和 onResizeEnd
- 从 onResize 回调中获取最新尺寸值
长期修复方案
从技术实现角度,建议进行以下修复:
- 分离回调与渲染逻辑:即使 lazy 模式下不实时渲染,也应保持回调的完整性
- 确保数据一致性:onResizeEnd 必须返回最终确认的尺寸值
- 优化事件处理流程:在拖动过程中维护正确的尺寸状态
最佳实践
在使用 Splitter 组件时,建议:
- 如果需要实时获取尺寸变化,避免使用 lazy 模式
- 在 lazy 模式下,注意验证回调数据的准确性
- 对于关键业务逻辑,考虑添加额外的尺寸验证机制
总结
Ant Design 的 Splitter 组件在 lazy 模式下的回调行为存在不一致问题,这可能会影响依赖尺寸回调的业务逻辑。虽然目前可以通过变通方法获取正确尺寸,但长期来看需要从框架层面进行修复,以确保组件行为的可预测性和一致性。
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
245
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
672
157
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++
661
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥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
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217