Semi Design Table组件树形结构aria-level属性问题分析
2025-05-25 17:43:38作者:鲍丁臣Ursa
问题背景
在Semi Design的Table组件中,当使用树形结构展示数据时,存在一个关于aria-level属性的显示问题。具体表现为:当数据项没有children属性或children数组为空时,即使这些数据项应该是顶级节点,它们的aria-level属性值却被错误地设置为2,而实际上应该为1。
问题复现
通过以下代码可以清晰地复现这个问题:
import { useCallback } from 'react';
import { Table } from '@douyinfe/semi-ui';
export function App() {
return (
<Table
rowKey="key"
columns={[
{
title: '标题',
width: 500,
dataIndex: 'name',
},
]}
dataSource={[
{
key: '112',
name: 'Semi Design 设计稿.fig',
size: '2M',
owner: '姜鹏志',
updateTime: '2020-02-02 05:13',
},
]}
expandAllRows
pagination={false}
components={{
body: {
row: useCallback((rp) => {
const level = rp['aria-level'] || 1;
return <tr {...rp}>{level}</tr>;
}, []),
},
}}
/>
);
}
在这段代码中,我们创建了一个简单的Table组件,只包含一行数据,这行数据没有children属性。理论上,这行数据应该是顶级节点,aria-level应该为1,但实际上显示为2。
技术影响
aria-level属性在Web无障碍访问(A11Y)中非常重要,它用于指示元素在层次结构中的级别。错误的aria-level值会导致:
- 屏幕阅读器等辅助技术无法正确识别内容层级结构
- 可能误导视障用户对数据结构的理解
- 影响自动化测试工具的准确性
问题根源
经过分析,这个问题可能出现在Table组件的树形结构渲染逻辑中。当开启expandAllRows属性时,组件可能错误地假设所有数据项都有子节点,从而默认增加了层级深度。
解决方案建议
要解决这个问题,需要在Table组件的渲染逻辑中:
- 正确识别数据项是否包含有效子节点
- 对于没有子节点或子节点数组为空的数据项,保持aria-level为1
- 确保树形结构的层级计算准确反映实际数据结构
最佳实践
在使用Table组件的树形结构功能时,开发者应该:
- 明确数据结构,确保children属性存在且类型正确
- 对于没有子节点的数据项,可以显式设置children为null或空数组
- 测试不同场景下的aria-level属性值,确保无障碍访问功能正常
总结
Semi Design作为一款优秀的设计系统,其Table组件的树形结构功能非常实用。这个aria-level属性的小问题虽然不影响基本功能,但对于追求完美无障碍体验的项目来说值得关注。开发团队已经确认了这个问题,并计划在后续版本中修复。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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
最新内容推荐
IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 OMNeT++中文使用手册:网络仿真的终极指南与实用教程 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 LabVIEW串口通信开发全攻略:从入门到精通的完整解决方案 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
644
149
Ascend Extension for PyTorch
Python
206
221
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++
653
285
React Native鸿蒙化仓库
JavaScript
249
317
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
1.13 K
635
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
78
101
仓颉编译器源码及 cjdb 调试工具。
C++
130
861
仓颉编程语言运行时与标准库。
Cangjie
134
873