SlickGrid 5.15.0版本发布:Rowspan功能实现与关键优化
SlickGrid是一个高性能的JavaScript电子表格/数据网格库,专注于处理大规模数据集。它提供了丰富的功能,如排序、过滤、分组、编辑等,同时保持了极高的渲染性能。该项目最初由Michael Leibman开发,后来由社区维护,目前由6pac团队主导开发。
Rowspan功能正式加入
本次5.15.0版本最重要的更新是实现了rowspan(行合并)功能。在此之前,SlickGrid已经通过DataView ItemMetadataProvider支持了colspan(列合并)功能,现在rowspan的加入使得表格可以同时支持水平和垂直方向的单元格合并。
实现特点
- 部分代码借鉴了GerHobbelt分支中已有的rowspan实现
- 与colspan类似,rowspan也通过ItemMetadataProvider进行配置
- 提供了两个新的示例演示rowspan功能:
- 员工时间表示例
- 大数据集示例
使用注意事项
需要注意的是,无论是colspan还是rowspan功能,在使用时都需要开发者自行处理一些特殊情况:
- 过滤操作可能影响合并单元格的显示
- 排序可能导致合并结构被破坏
- 分页处理需要考虑合并单元格的完整性
- 列重新排序和隐藏列也需要特殊处理
这是因为库本身无法自动判断在这些操作发生时,开发者希望如何保持或调整单元格的合并状态。例如,当排序发生时,是保持合并结构不变,还是部分保留,或者完全取消合并,这些都需要开发者根据具体业务场景来决定。
其他重要改进
键盘导航增强
本次更新完善了键盘快捷键对网格导航和单元格选择的支持:
- 添加了缺失的快捷键功能
- 改进了单元格之间的导航体验
- 优化了多选操作时的键盘交互
滚动行为优化
修复了Shift+鼠标滚轮组合键的水平滚动问题,现在用户可以更自然地使用键盘和鼠标组合来控制表格的水平和垂直滚动。
样式处理改进
- 为所有slick-pane元素添加了"frozen"类,方便开发者针对冻结区域进行样式定制
- 改进了活动单元格的CSS类处理逻辑,确保任何时候只有一个单元格保持活动状态
- 优化了单元格导航时的样式切换,避免残留的"active"类
新增功能:自定义全局项目数据提供者
本次更新还引入了一个新功能——自定义全局项目数据提供者(Custom Global Item Data Provider)。这个功能允许开发者为整个网格定义统一的数据处理逻辑,而不需要为每个单元格单独配置。这在需要实现复杂的数据展示逻辑时特别有用。
总结
SlickGrid 5.15.0版本通过引入rowspan功能,使这个高性能表格库在复杂表格展示方面又前进了一步。同时,对键盘导航、滚动行为和样式处理的优化,进一步提升了用户体验。新增的全局数据提供者功能则为开发者提供了更大的灵活性。
需要注意的是,使用rowspan和colspan这类高级功能时,开发者需要充分考虑各种边界情况和副作用,确保在排序、过滤等操作发生时表格能够保持预期的显示效果。
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