Sortable库中固定元素与动态排序的实现方案
2025-05-05 21:52:42作者:宣利权Counsellor
背景介绍
Sortable是一个功能强大的JavaScript库,用于实现拖拽排序功能。在实际开发中,我们经常会遇到一些特殊需求,比如列表中部分元素需要固定位置,而其他元素则需要支持动态排序。本文将详细介绍如何利用Sortable库实现这种混合排序场景。
核心需求分析
在开发过程中,我们遇到了一个典型场景:
- 列表包含5个元素
- 首尾元素需要固定位置,不允许移动
- 中间元素可以相互拖拽排序
- 排序结果需要与后端同步
实现方案详解
1. 元素标识设置
首先,我们需要为每个可排序元素设置唯一标识。这可以通过data-item-id属性实现:
<ul>
<li data-item-id="el1">元素1</li>
<li data-item-id="el2">元素2</li>
<li data-item-id="el3">元素3</li>
</ul>
2. 排序状态管理
使用一个数组来维护当前的排序顺序:
let orderElements = ["el1", "el2", "el3"];
3. Sortable配置
关键配置在于store选项,它负责在排序变化时更新状态:
new Sortable(element, {
store: {
get() {
return orderElements;
},
set(sortable) {
orderElements = sortable.toArray();
}
}
});
4. 固定元素实现
对于需要固定的首尾元素,可以通过CSS或事件处理来实现:
- 使用CSS设置固定元素的
draggable为false - 或者在
onMove回调中判断并阻止固定元素的移动
5. 后端同步策略
初始化时,从后端获取元素位置数据,并据此初始化orderElements数组。当用户完成拖拽操作后,将新的排序顺序发送到后端保存。
技术要点解析
-
数据驱动排序:通过维护一个元素ID数组来控制排序顺序,实现了数据与视图的绑定。
-
双向同步机制:
store配置中的get/set方法实现了Sortable与本地状态的双向同步。 -
固定元素处理:通过标识区分固定元素和可排序元素,确保业务逻辑的正确性。
-
性能优化:直接操作DOM元素ID数组,避免了频繁的DOM操作,提升了性能。
实际应用建议
-
错误处理:在从后端获取数据时,添加错误处理逻辑,确保应用在异常情况下也能正常工作。
-
动画效果:可以添加过渡动画,提升用户体验。
-
数据验证:在设置初始顺序时,验证后端返回的数据是否合法。
-
响应式设计:考虑在不同屏幕尺寸下的显示效果。
总结
通过Sortable的store配置和元素标识管理,我们成功实现了固定元素与可排序元素混合的场景。这种方案不仅满足了业务需求,还保持了代码的简洁性和可维护性。在实际项目中,可以根据具体需求进行扩展,比如添加多级嵌套排序、分组排序等高级功能。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
最新内容推荐
MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 Visual Studio 2015企业版中文版下载安装完全指南 - 专业开发工具必备资源 操作系统概念第六版PDF资源全面指南:适用场景与使用教程 开源电子设计自动化利器:KiCad EDA全方位使用指南 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 CVE-2024-38077伪代码修复版EXP资源详解:Windows远程桌面授权服务问题利用指南 高效汇编代码注入器:跨平台x86/x64架构的终极解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 小米Mini R1C MT7620爱快固件下载指南:解锁企业级网络管理功能 Solidcam后处理文件下载与使用完全指南:提升CNC编程效率的必备资源
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
297
2.65 K
Ascend Extension for PyTorch
Python
130
152
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++
608
192
React Native鸿蒙化仓库
JavaScript
229
307
暂无简介
Dart
592
129
🎉 (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
1.05 K
612
仓颉编译器源码及 cjdb 调试工具。
C++
122
504
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,专门为Transformer模型的训练和推理而设计。
C++
48
77
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
180
65
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
1.02 K
456