BootstrapBlazor 9.7.1版本发布:全新上传组件与PDF查看器登场
BootstrapBlazor作为一款基于Blazor的企业级UI组件库,在最新发布的9.7.1版本中带来了多项重要更新。本次更新不仅重构了核心上传组件,还新增了PDF查看器等实用功能,同时优化了错误处理机制,为开发者提供了更强大的工具集和更稳定的开发体验。
核心组件重构与优化
本次版本对上传组件进行了全面重构,采用本地预览替代了原有的base64格式处理方式,显著提升了性能表现。上传组件现在能够更高效地处理大文件,同时减少了内存占用,为用户带来更流畅的操作体验。
选择组件(Select)也进行了重要改进,重新设计了OnBeforeSelectedItemChange和ShowSwal逻辑,使开发者能够更灵活地控制选择流程。特别是SelectGeneric组件新增了当TextConvertToValueCallback返回null时的重置逻辑,增强了表单处理的健壮性。
全新PDF查看器组件
9.7.1版本引入了一个备受期待的PDF查看器组件(PdfViewer),开发者现在可以轻松地在Blazor应用中集成PDF文档查看功能。该组件支持通过Google Docs进行文档渲染,只需设置UseGoogleDocs参数即可切换渲染方式。组件还提供了OnLoaded事件回调,方便开发者在文档加载完成后执行自定义逻辑。
增强的错误处理机制
错误处理系统在本版本中得到了显著增强。新增的BootstrapBlazorOptions.ShowErrorLoggerToast参数允许全局配置是否显示错误提示,而IErrorLogger接口现在支持在Release模式下仅显示异常消息,保护了生产环境的敏感信息。
特别值得一提的是,TabItem组件现在实现了IHandlerException接口,能够与ErrorLogger系统无缝集成,当标签页内容发生异常时能够提供更友好的错误提示。BootstrapServiceBase也更新了异常消息处理,现在能够自动识别并显示中文错误信息。
图像处理功能升级
图像处理相关组件在本版本中获得了多项改进。ImageCorpper组件将AspectRatio参数类型从整数改为浮点数,提供了更精确的裁剪比例控制。新增的Preview参数允许开发者启用裁剪预览功能,而OnCropChangedAsync回调则让实时处理裁剪变化成为可能。
ImageViewer组件现在支持自定义ZoomSpeed参数,用户可以根据需要调整图片缩放的速度,提升了浏览体验的个性化程度。
性能优化与细节改进
除了上传组件的性能提升外,本版本还对多个细节进行了优化。Select组件修复了在使用BI图标主题时搜索图标不居中的问题,提升了视觉一致性。Bootstrap依赖升级到了5.3.6版本,带来了最新的特性和安全更新。
一个值得注意的改进是现在支持动态加载Bootstrap JavaScript,在调试模式下会加载非打包版本的脚本,方便开发者进行调试。Print组件也扩展了功能,现在支持canvas HTML元素的打印输出。
开发者体验提升
为了帮助开发者更好地使用新功能,文档部分进行了全面更新。特别是上传组件和BootstrapBlazorRoot的文档得到了重点补充,新增了Microsoft登录模板示例和PDF查看器的使用说明。图标分类也进行了重新排序,使查找更加便捷。
总的来说,BootstrapBlazor 9.7.1版本在功能丰富性、稳定性和开发者体验方面都迈上了一个新台阶,特别是全新PDF查看器和重构后的上传组件将成为开发者工具箱中的利器。错误处理系统的增强也为构建健壮的商业应用提供了更好保障。
kernelopenEuler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。C098
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00