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 StartedRust0119- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
SenseNova-U1-8B-MoT-SFTenseNova U1 是一系列全新的原生多模态模型,它在单一架构内实现了多模态理解、推理与生成的统一。 这标志着多模态AI领域的根本性范式转变:从模态集成迈向真正的模态统一。SenseNova U1模型不再依赖适配器进行模态间转换,而是以原生方式在语言和视觉之间进行思考与行动。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
718
4.6 K
Ascend Extension for PyTorch
Python
588
729
deepin linux kernel
C
29
16
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++
980
965
Claude 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 Started
Rust
792
119
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
420
366
Oohos_react_native
React Native鸿蒙化仓库
C++
341
390
昇腾LLM分布式训练框架
Python
155
183
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
142
226
暂无简介
Dart
963
240