MindMap项目实现节点分支递归收起功能的技术解析
2025-05-26 19:12:28作者:史锋燃Gardner
功能背景
在思维导图工具MindMap中,节点展开与收起是用户操作频率较高的核心功能之一。传统的节点收起操作存在一个局限性:当用户收起一个父节点再重新展开时,其所有子节点(包括多级嵌套的子节点)都会自动展开。这种设计在某些场景下会给用户带来不便,特别是当用户只需要查看第一级子节点时。
需求分析
用户提出的需求可以概括为:希望能够通过右键菜单选项,实现仅收起当前节点的所有子分支而不影响子节点自身的展开状态。具体来说:
- 当前行为:收起父节点A后再展开,会同时展开所有层级的子节点(B、C、B1、B2...)
- 期望行为:新增"收起所有子分支"选项,展开父节点A时只显示直接子节点(B、C),而子节点的子节点(B1、B2...)保持收起状态
技术实现方案
核心思路
实现这一功能的关键在于递归地设置节点及其所有子节点的isExpand属性。与简单的折叠操作不同,这种实现需要:
- 深度优先遍历当前节点的所有子节点
- 为每个遍历到的子节点设置展开状态为false
- 保持当前节点本身的展开状态不变
具体实现
在MindMap项目中,这一功能在v0.12.2版本中通过以下方式实现:
- 在右键菜单系统中新增"收起所有子分支"选项
- 为该选项绑定递归收起操作的处理函数
- 实现节点树的深度优先遍历算法
- 对遍历到的每个节点设置展开状态
代码结构
典型的实现可能包含以下关键部分:
// 递归收起子节点函数
function collapseAllChildren(node) {
if (!node.children || node.children.length === 0) return;
node.children.forEach(child => {
child.isExpand = false; // 设置当前子节点为收起状态
collapseAllChildren(child); // 递归处理子节点的子节点
});
}
// 右键菜单项处理
{
name: '收起所有子分支',
onClick: () => {
const currentNode = getCurrentNode();
collapseAllChildren(currentNode);
render(); // 触发视图更新
}
}
技术难点与解决方案
-
性能考虑:对于深层级、多子节点的情况,递归操作可能影响性能。解决方案是采用非递归的遍历方式,或添加遍历深度限制。
-
状态同步:需要确保节点状态的改变能够正确反映到视图上。MindMap采用了响应式设计,当节点属性变更时会自动触发视图更新。
-
用户体验:为了避免用户误操作,该功能被放置在右键菜单中而非直接作为默认收起行为。
应用场景
这一功能特别适用于以下场景:
- 浏览大型思维导图时,需要快速聚焦于某个分支的主干内容
- 进行阶段性内容整理时,希望暂时隐藏细节内容
- 演示场景中,需要逐步展开内容讲解
总结
MindMap项目通过v0.12.2版本新增的"收起所有子分支"功能,为用户提供了更精细的节点展开控制能力。这一改进不仅提升了用户体验,也展示了递归算法在前端交互中的实际应用价值。该功能的实现体现了对用户操作场景的深入思考和技术方案的优雅设计。
登录后查看全文
热门项目推荐
相关项目推荐
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
最新内容推荐
JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器 STM32到GD32项目移植完全指南:从兼容性到实战技巧 Jetson TX2开发板官方资源完全指南:从入门到精通 OMNeT++中文使用手册:网络仿真的终极指南与实用教程 WebVideoDownloader:高效网页视频抓取工具全面使用指南 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
191
210
暂无简介
Dart
632
143
React Native鸿蒙化仓库
JavaScript
243
316
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
481
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
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++
649
270
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
297
111
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
211