Project-Graph 导出功能排序逻辑优化:从连接顺序到角度判断
2025-07-08 05:08:51作者:裴麒琰
背景
在思维导图和数据可视化工具Project-Graph中,导出功能是一个重要特性。当前版本中,当用户选择导出纯文本内容时,系统会按照节点之间的连接顺序来遍历和导出子节点。然而,在实际使用过程中,频繁调整连接会导致边的连接顺序变得混乱,给用户带来不便。
问题分析
现有排序逻辑基于边的连接顺序,这种设计存在以下局限性:
- 连接顺序易受干扰:用户频繁调整连接后,边的存储顺序可能与实际视觉顺序不符
- 缺乏直观性:视觉上排列整齐的节点可能因为连接顺序问题导致导出结果不符合预期
- 维护成本高:用户需要不断重新连线来调整导出顺序
优化方案
角度判断排序算法
新的排序逻辑采用基于角度的判断方法,核心思想是根据子节点相对于父节点的位置角度来决定遍历顺序:
-
角度分区:将360度平面划分为四个象限
- 第一象限:0°-90°(右上方)
- 第二象限:90°-180°(左上方)
- 第三象限:180°-270°(左下方)
- 第四象限:270°-360°(右下方)
-
排序规则:
- 下方节点(三、四象限):采用从左到右逆时针遍历
- 右侧节点(一、四象限):采用从上到下顺时针遍历
- 上方节点(一、二象限):采用从左到右顺时针遍历
- 左侧节点(二、三象限):采用从上到下逆时针遍历
-
特殊情况处理:当节点角度落在不连续的两个象限时,保留原有的连接顺序排序
实现考量
在实际实现过程中,开发团队做了以下调整和优化:
- 视觉一致性优先:对于右侧或下侧的节点,最终采用了按节点位置排序而非严格角度排序,以更好地匹配曲线连接的视觉效果
- 性能优化:角度计算使用高效的数学函数,确保在大规模节点时仍能快速排序
- 边界处理:精确处理节点位于坐标轴上的特殊情况
技术实现
核心算法伪代码:
function sortChildrenNodes(parent, children) {
// 计算每个子节点相对于父节点的角度
const nodesWithAngles = children.map(child => {
const dx = child.x - parent.x;
const dy = child.y - parent.y;
const angle = Math.atan2(dy, dx) * 180 / Math.PI;
return {node: child, angle: angle < 0 ? angle + 360 : angle};
});
// 根据角度区域应用不同的排序规则
const primaryQuadrant = determinePrimaryQuadrant(nodesWithAngles);
switch(primaryQuadrant) {
case 'bottom':
return sortLeftToRightCCW(nodesWithAngles);
case 'right':
return sortTopToBottomCW(nodesWithAngles);
case 'top':
return sortLeftToRightCW(nodesWithAngles);
case 'left':
return sortTopToBottomCCW(nodesWithAngles);
default:
return originalConnectionOrder(nodesWithAngles);
}
}
用户体验提升
这一优化带来了显著的体验改进:
- 更直观的导出结果:导出的文本顺序与视觉排列更加一致
- 减少重复操作:用户无需为了导出顺序而频繁调整连接
- 自适应布局:自动适应不同的节点布局风格(垂直、水平或其他自定义布局)
总结
Project-Graph通过将导出排序逻辑从简单的连接顺序改为基于角度的智能判断,显著提升了工具的实用性和用户体验。这一改进展示了如何通过合理的算法设计来解决实际应用中的痛点问题,同时也为类似图形工具的排序问题提供了有价值的参考方案。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0192
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0120
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
766
4.98 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.93 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
685
1.34 K
Ascend Extension for PyTorch
Python
720
884
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++
1.08 K
1.1 K
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
457
440
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.01 K
262
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
253
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1 K
610