Relation-Graph 树形结构默认展开首节点实现方案
2025-07-05 23:30:53作者:吴年前Myrtle
Relation-Graph 是一个功能强大的关系图谱可视化库,在处理层级数据时,经常需要控制节点的展开状态。本文将详细介绍如何实现树形结构默认只展开第一个节点及其第一个子节点的效果。
需求分析
在展示层级数据时,有时我们希望初始状态下只展示关键路径节点,避免一次性展示过多信息造成视觉混乱。典型场景包括:
- 大型组织结构图的渐进式展示
- 复杂系统架构的层级浏览
- 多级菜单的默认展开状态控制
核心实现思路
Relation-Graph 提供了完善的节点控制API,我们可以通过以下步骤实现目标效果:
- 获取图谱实例
- 定位根节点
- 获取根节点的第一个子节点
- 收起其他非首个子节点
具体实现代码
// 获取relation-graph实例
const graphInstance = this.$refs.graphRef.getInstance();
// 获取根节点(假设节点ID为'a')
const rootNode = graphInstance.getNodeById('a');
// 获取根节点的所有子节点
const childrenNodes = rootNode.lot.childs;
// 确保至少有一个子节点
if (childrenNodes.length > 0) {
// 获取第一个子节点
const firstChildNode = childrenNodes[0];
// 遍历所有子节点
for (const childNode of childrenNodes) {
if (childNode !== firstChildNode) {
// 收起非首个子节点
await graphInstance.collapseNode(childNode);
}
}
}
关键API解析
- getInstance() - 获取Relation-Graph的实例对象,这是所有操作的基础
- getNodeById() - 通过节点ID获取节点对象
- lot.childs - 节点属性,包含该节点的所有子节点数组
- collapseNode() - 收起指定节点的所有子节点
进阶应用
多级展开控制
如果需要进一步控制子节点的展开状态,可以递归应用相同逻辑:
async function controlExpand(node, depth = 0) {
if (depth >= 2) return; // 控制展开深度
const children = node.lot.childs;
if (children.length > 0) {
const firstChild = children[0];
for (const child of children) {
if (child !== firstChild) {
await graphInstance.collapseNode(child);
} else if (depth < 1) {
await controlExpand(firstChild, depth + 1);
}
}
}
}
动态展开策略
可以根据业务需求实现更复杂的展开逻辑:
function shouldExpand(node) {
// 实现自定义展开逻辑
return node.someProperty === 'important';
}
async function customExpandControl(node) {
const children = node.lot.childs;
for (const child of children) {
if (shouldExpand(child)) {
// 符合条件则保持展开
await graphInstance.expandNode(child);
} else {
// 不符合条件则收起
await graphInstance.collapseNode(child);
}
}
}
注意事项
- 节点操作通常是异步的,建议使用await确保操作顺序
- 在大规模数据场景下,频繁操作节点可能影响性能
- 考虑添加过渡动画提升用户体验
- 可以通过监听节点展开/收起事件实现更精细的控制
通过以上方法,开发者可以灵活控制Relation-Graph中树形结构的展示状态,实现各种复杂的业务需求。
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-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
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
Ascend Extension for PyTorch
Python
173
193
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
263
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
268
93
暂无简介
Dart
622
140
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
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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