Semi-Design Table组件自定义排序顺序的实现方案
2025-05-25 01:25:35作者:冯梦姬Eddie
背景介绍
Semi-Design是一个优秀的企业级设计系统,其中的Table组件提供了丰富的功能,包括排序、筛选等。在实际业务场景中,我们经常需要对表格数据进行排序操作。默认情况下,Table组件的排序顺序是:不排序 -> 升序 -> 降序。但在某些业务场景下,降序的需求可能远大于升序,每次都需要切换两次才能到达降序状态,这会影响用户体验。
技术实现方案
受控组件原理
在React中,受控组件是指组件的状态完全由React的state控制。对于Table组件的排序功能,我们可以通过控制sortOrder属性来实现自定义的排序顺序切换逻辑。
实现步骤
- 状态管理:首先需要在组件中定义并管理排序状态
- 事件监听:通过Table的
onChange回调监听排序变化 - 自定义逻辑:在回调函数中实现自定义的排序顺序切换逻辑
代码示例
import React, { useState } from 'react';
import { Table } from '@douyinfe/semi-ui';
function CustomSortTable() {
const [sortOrder, setSortOrder] = useState('ascend');
const columns = [
{
title: '大小',
dataIndex: 'size',
sorter: (a, b) => a.size - b.size,
sortOrder: sortOrder,
},
// 其他列配置...
];
const handleTableChange = (data) => {
const nextSortOrder = data.sorter.sortOrder;
if (nextSortOrder !== sortOrder) {
// 自定义排序顺序切换逻辑
let newOrder;
if (sortOrder === 'ascend') {
newOrder = 'descend';
} else if (sortOrder === 'descend') {
newOrder = undefined; // 不排序
} else {
newOrder = 'ascend';
}
setSortOrder(newOrder);
}
};
return <Table columns={columns} onChange={handleTableChange} />;
}
进阶技巧
自定义排序图标
除了控制排序顺序外,还可以完全自定义排序图标的渲染:
{
title: '自定义排序',
dataIndex: 'custom',
sorter: true,
renderSorter: ({ sortOrder }) => {
// 完全自定义排序图标的渲染
return (
<div onClick={handleCustomSort}>
{sortOrder === 'ascend' && <IconAscend />}
{sortOrder === 'descend' && <IconDescend />}
{!sortOrder && <IconDefault />}
</div>
);
}
}
多列排序控制
如果需要实现更复杂的多列排序控制,可以在state中维护一个排序状态对象:
const [sortStates, setSortStates] = useState({
size: undefined,
date: undefined,
// 其他列...
});
const handleMultiSort = (data) => {
const { field, sortOrder } = data.sorter;
setSortStates(prev => ({
...prev,
[field]: sortOrder
}));
};
性能优化建议
- 避免不必要的渲染:使用React.memo或useMemo优化列配置
- 大数据量处理:对于大数据集,考虑实现服务端排序
- 状态管理:在复杂场景下,可以考虑使用状态管理库如Redux管理排序状态
总结
通过Semi-Design Table组件的受控属性,我们可以灵活地实现各种自定义排序需求。无论是简单的顺序调整,还是复杂的多列排序控制,都可以通过合理利用React的状态管理机制来实现。这种方案不仅保持了组件的灵活性,还能很好地与现有功能集成,是处理表格排序需求的推荐做法。
在实际项目中,开发者可以根据具体业务需求,选择最适合的实现方式,平衡开发效率和用户体验。
登录后查看全文
热门项目推荐
相关项目推荐
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
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
24
9
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
🔥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
64
19
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.88 K
暂无简介
Dart
671
156
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
React Native鸿蒙化仓库
JavaScript
260
322
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++
661
311
🎉 (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
1.2 K
654
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
15
1