React Awesome Query Builder:构建强大查询的利器
项目介绍
React Awesome Query Builder 是一个用户友好的 React 组件,旨在帮助开发者轻松构建复杂的查询(过滤器)。该项目灵感来源于 jQuery QueryBuilder,并集成了多个优秀的 UI 框架,如 Ant Design、Material-UI、Bootstrap 和 Fluent UI。通过这个组件,开发者可以快速创建高度可配置的查询界面,满足各种复杂的业务需求。
项目技术分析
技术栈
- React:作为前端框架,提供了组件化的开发模式。
- Ant Design、Material-UI、Bootstrap、Fluent UI:提供了丰富的 UI 组件库,支持多种主题风格。
- TypeScript:提供了类型检查和更好的代码提示,增强了代码的可维护性。
- pnpm:作为包管理工具,提供了更高效的依赖管理。
核心功能
- 高度可配置:支持自定义字段、类型、操作符、函数、小部件等。
- 复杂类型支持:支持简单类型(如字符串、数字、布尔值、日期/时间、列表)和复杂类型(如结构体、数组)。
- 聚合查询:支持类似“COUNT OF users WHERE (role == 'Manager' AND department == 'Development') > 5”的查询。
- 字段比较:支持字段之间的比较,包括二元运算符(== != < >)、一元运算符(如 is null)、between 运算符和复杂运算符(如 proximity)。
- 函数支持:支持在查询的左侧和右侧使用函数,并支持函数的嵌套。
- Ternary 模式:支持 if-then-else 逻辑。
- 导出与导入:支持导出为 MongoDb、SQL、JsonLogic、SpEL、ElasticSearch 格式,并支持从 JsonLogic 和 SpEL 导入。
- 拖拽排序:支持规则和规则组的拖拽排序。
- 保存与加载:支持将查询值和配置保存到服务器并从服务器加载。
- 多主题支持:支持 Ant Design、Material-UI、Bootstrap、Fluent UI 和 vanilla 主题。
项目及技术应用场景
应用场景
- 数据过滤:在数据展示和分析系统中,用户可以通过该组件快速构建复杂的过滤条件,实现数据的精准筛选。
- 查询构建器:在后台管理系统中,开发者可以使用该组件为用户提供一个可视化的查询构建器,帮助用户生成复杂的查询语句。
- 规则引擎:在规则引擎系统中,该组件可以作为规则编辑器,帮助用户定义和编辑复杂的业务规则。
技术应用
- 前端开发:适用于需要构建复杂查询界面的前端项目,特别是那些需要高度可配置和用户友好的查询构建器。
- 后端集成:支持将前端构建的查询导出为后端可识别的格式(如 SQL、MongoDb 查询),实现前后端的无缝集成。
项目特点
1. 高度可配置
React Awesome Query Builder 提供了丰富的配置选项,开发者可以根据业务需求自定义字段、类型、操作符、函数等,满足各种复杂的查询需求。
2. 多 UI 框架支持
项目集成了多个流行的 UI 框架,如 Ant Design、Material-UI、Bootstrap 和 Fluent UI,开发者可以根据项目需求选择合适的 UI 风格,实现一致的用户体验。
3. 强大的导出与导入功能
支持将构建的查询导出为多种格式(如 SQL、MongoDb、JsonLogic 等),并支持从 JsonLogic 和 SpEL 导入,方便与其他系统集成。
4. 拖拽排序与 Ternary 模式
支持规则和规则组的拖拽排序,方便用户调整查询逻辑;Ternary 模式支持 if-then-else 逻辑,增强了查询的灵活性。
5. 多语言支持
项目支持国际化,开发者可以根据需要配置多语言支持,满足全球用户的需求。
结语
React Awesome Query Builder 是一个功能强大且高度可配置的查询构建器组件,适用于需要构建复杂查询界面的前端项目。通过集成多个优秀的 UI 框架,开发者可以轻松实现用户友好的查询构建体验。无论是数据过滤、查询构建器还是规则引擎,React Awesome Query Builder 都能为你的项目提供强大的支持。
立即体验:React Awesome Query Builder 在线演示
GitHub 仓库:React Awesome Query Builder 源码
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