Kendo UI Core 中 Grid 列过滤器数据源排序功能解析
在 ASP.NET Core 项目中使用 Kendo UI 的 Grid 组件时,开发者经常需要为列配置过滤功能。近期 Kendo UI Core 项目中的一个增强功能引起了开发者社区的关注——为 Grid 列过滤器数据源暴露排序功能。
功能背景
Kendo UI 的 Grid 组件提供了强大的数据过滤功能,开发者可以为每一列配置不同的过滤方式。在 ASP.NET Core 项目中,通过 TagHelper 方式配置 Grid 时,列过滤器的数据源配置与传统的 HtmlHelper 方式存在一些差异。
技术现状分析
目前,在 TagHelper 方式下,Grid 列过滤器数据源(GridColumnFilterDataSourceTagHelper)已经支持多种内嵌子 TagHelper,包括:
- 传输设置(Transport)
- 架构设置(Schema)
- 过滤器设置(Filters)
- 分组设置(Groups)
- 聚合设置(Aggregates)
然而,与 HtmlHelper 方式相比,TagHelper 方式缺少了对数据源排序功能的支持。在 HtmlHelper 中,开发者可以通过 .Sort() API 方法轻松配置数据源的排序规则,例如按照"ShipName"升序排列。
技术实现细节
这一增强功能的实现意味着开发者现在可以在 TagHelper 中像下面这样配置列过滤器的数据源排序:
<kendo-grid name="grid">
<columns>
<column field="ShipName">
<filterable multi="true" search="true" check-all="true">
<datasource type="DataSourceTagHelperType.Custom">
<sorts>
<sort field="ShipName" direction="asc"/>
</sorts>
<!-- 其他数据源配置 -->
</datasource>
</filterable>
</column>
</columns>
</kendo-grid>
这种配置方式与 HtmlHelper 中的功能对等,提供了更加一致的开发体验。
开发者价值
这一增强为开发者带来了几个重要好处:
-
配置一致性:消除了 TagHelper 和 HtmlHelper 之间的功能差异,使开发者可以基于个人偏好选择配置方式,而不必担心功能缺失。
-
代码可读性:在复杂的数据展示场景中,能够直接在数据源配置中声明排序规则,提高了代码的可读性和维护性。
-
性能优化:通过在数据源层面定义排序规则,可以减少客户端处理数据的负担,提升整体性能。
实际应用场景
假设我们有一个订单管理系统,需要在"船运名称"列上提供过滤功能,并且希望过滤器的下拉选项按名称排序显示。有了这个增强功能后,我们可以轻松实现这一需求,确保用户看到的过滤选项是有序的,提升用户体验。
技术演进思考
这一改进反映了 Kendo UI 团队对 ASP.NET Core 开发体验的持续优化。随着 TagHelper 在 ASP.NET Core 项目中的普及,确保其功能与传统的 HtmlHelper 对等变得越来越重要。这种细粒度的功能增强虽然看似微小,但对于实际开发工作的流畅性有着显著影响。
总结
Kendo UI Core 中对 Grid 列过滤器数据源排序功能的支持增强,体现了框架对开发者体验的重视。这一改进使得 TagHelper 配置方式更加完善,为构建数据密集型 Web 应用提供了更强大的工具。对于正在使用或考虑使用 Kendo UI Grid 组件的 ASP.NET Core 开发者来说,了解并利用这一功能将有助于创建更加用户友好的数据展示界面。
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