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 13:44:24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
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。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
最新内容推荐
海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 ZLIB 1.3 静态库 Windows x64 版本:高效数据压缩解决方案完全指南 Adobe Acrobat XI Pro PDF拼版插件:提升排版效率的专业利器 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 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 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
215
235
暂无简介
Dart
662
152
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
React Native鸿蒙化仓库
JavaScript
253
320
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++
660
297
🎉 (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
1.18 K
646
openGauss kernel ~ openGauss is an open source relational database management system
C++
159
217
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
62
19
仓颉编程语言开发者文档。
59
818