Fortune-Sheet项目中TODAY()函数失效问题分析与解决方案
问题背景
在Fortune-Sheet项目中,用户报告了一个关于日期函数的重要问题:TODAY()函数无法正常工作,返回结果为NaN。这个问题不仅影响了TODAY()函数,还波及到其他多个日期相关函数,包括WORKDAY、DATE、DATEVALUE、EDATE、EOMONTH、NOW和WORKDAYINTL等。
问题根源分析
经过技术团队深入调查,发现问题的根本原因在于Fortune-Sheet与formulajs库之间的数据类型兼容性问题。具体表现为:
-
数据类型不匹配:formulajs库中的TODAY()函数返回的是一个JavaScript Date对象,而Fortune-Sheet的单元格目前仅支持字符串(String)和数字(Number)两种数据类型。
-
自动转换失败:当Date对象被传入Fortune-Sheet时,系统无法自动将其转换为可识别的格式,导致最终显示为NaN(Not a Number)。
-
影响范围广:这个问题不仅限于TODAY()函数,所有返回Date对象的日期函数都会遇到相同的兼容性问题。
技术解决方案
针对这个问题,技术团队提出了以下解决方案:
-
类型检查与转换:在公式执行层(execfunction)添加类型检查逻辑,当检测到函数返回值为Date对象时,自动调用toString()方法将其转换为字符串。
-
日期格式标准化:转换后的日期字符串将保持标准格式,例如:"Sat Jun 01 2024 00:00:00 GMT+0530 (India Standard Time)"。
-
兼容性考虑:这种解决方案既保持了与formulajs库的兼容性,又满足了Fortune-Sheet对数据类型的要求,是一种优雅的中间层处理方式。
实现细节
在实际实现中,技术团队重点关注了以下几个关键点:
-
执行时机:类型转换发生在公式解析完成后,结果返回给单元格之前。
-
性能影响:额外的类型检查对性能影响极小,几乎可以忽略不计。
-
用户体验:转换后的日期字符串保持了可读性,用户可以直接理解其含义。
-
后续处理:虽然以字符串形式存储,但这些日期数据仍然可以被其他函数正确处理和使用。
总结与展望
Fortune-Sheet作为一款功能强大的电子表格库,处理日期函数的能力是其重要特性之一。通过这次对TODAY()函数问题的修复,不仅解决了当前的功能缺陷,还为未来处理类似的数据类型兼容性问题提供了参考方案。
技术团队将继续关注日期相关功能的完善,未来可能会考虑增加对Date对象的原生支持,或者提供更灵活的日期格式选项,以进一步提升用户体验和功能完整性。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00