Pragmatic Drag and Drop 中元素拖放状态管理的最佳实践
2025-05-20 07:44:35作者:冯爽妲Honey
概述
在使用Pragmatic Drag and Drop库实现元素拖放功能时,开发者经常会遇到拖放事件中获取的状态与预期不符的问题。本文将深入分析这一常见问题的根源,并提供解决方案。
问题现象
在实现类似看板列重排序功能时,开发者可能会遇到以下情况:
onDrop事件中获取的源元素(source)并非实际拖动的元素- 目标位置(dropTargets)信息不准确
- 虽然界面元素正确重排,但事件参数中的状态数据与界面显示不一致
问题根源
这种现象通常源于React状态管理与拖放事件处理的时序问题:
- 闭包陷阱:事件监听器捕获的是创建时的状态快照,而非最新状态
- 异步更新:React的状态更新是异步的,而拖放事件是同步触发的
- 对象引用:使用React状态中的对象作为拖放数据可能导致引用问题
解决方案
1. 使用非响应式数据
在定义拖放数据时,应避免直接使用React状态中的对象:
// 不推荐 - 使用状态中的对象
const data = { column: subject };
// 推荐 - 使用原始数据或解构复制
const data = {
column: {
id: subject.id,
// 其他必要属性...
}
};
2. 分离拖放数据与组件状态
将拖放所需的数据与组件渲染状态分离:
const getColumnData = (column) => ({
type: 'column',
columnId: column.id,
// 其他元数据...
});
// 使用时
const data = getColumnData(subject);
3. 使用ref管理可变状态
对于需要在事件中访问的最新状态,使用ref来保持引用:
const columnsRef = useRef(columns);
useEffect(() => {
columnsRef.current = columns;
}, [columns]);
// 在事件处理中
onDrop({ source, location }) {
const currentColumns = columnsRef.current;
// 使用currentColumns进行查找和操作
}
最佳实践
- 保持拖放数据轻量化:仅包含必要的标识信息,而非整个对象
- 避免直接依赖组件状态:在事件处理程序中通过ID等标识符查找最新状态
- 使用稳定的引用:对于需要在事件中访问的数据,使用ref或context
- 纯函数处理:将重排序等操作封装为纯函数,接收当前状态作为参数
实现示例
// 拖放数据准备
const getStableColumnData = (column) => ({
type: 'column',
id: column.id,
// 其他必要元数据...
});
// 拖放处理
const handleDrop = ({ source, location }) => {
const draggingId = source.data.id;
const targetId = location.current.dropTargets[0]?.data.id;
if (!draggingId || !targetId || draggingId === targetId) return;
setColumns(prevColumns => {
const homeIndex = prevColumns.findIndex(c => c.id === draggingId);
const destIndex = prevColumns.findIndex(c => c.id === targetId);
return reorder(prevColumns, homeIndex, destIndex);
});
};
总结
在Pragmatic Drag and Drop中正确处理拖放状态的关键在于理解React的渲染周期与浏览器事件的交互方式。通过将拖放数据与组件状态分离、使用稳定的数据引用以及采用函数式更新模式,可以避免常见的状态不一致问题,构建出可靠高效的拖放交互体验。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
453
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++
893
676
暂无简介
Dart
802
199
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
350
203
昇腾LLM分布式训练框架
Python
118
147
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
12
1
🔥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
68
20
🎉 (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
1.37 K
781