JeecgBoot项目中BasicTable组件多选框显示异常问题解析
2025-05-02 16:18:26作者:庞队千Virginia
问题背景
在JeecgBoot项目3.7.1版本中,用户反馈BasicTable组件在特定场景下会出现多选框显示异常的问题。具体表现为当表格分页数量超过50条且使用宽松或紧凑样式时,表格中的单选框部分会出现缺失现象。
问题现象分析
通过用户提供的截图可以看到,表格中的多选框在特定条件下无法正常显示完整。这种现象主要出现在以下场景:
- 表格数据量较大(分页超过50条)
- 使用宽松或紧凑样式时
- 表格尺寸发生变化时
技术原理探究
该问题的根本原因在于表格行高的动态计算机制。在Vue3的Composition API中,使用watchEffect监听表格尺寸变化时,原有的实现方式未能正确捕获表格样式变更事件,导致行高计算不准确。
表格组件中的多选框位置是通过计算行高来定位的,当行高计算出现偏差时,就会导致多选框显示位置不正确,甚至部分缺失。
解决方案详解
开发团队通过修改useCustomSelection.tsx文件中的逻辑解决了该问题,主要优化点包括:
-
显式监听size属性变化: 在watchEffect中添加了对propsRef.value.size的显式监听,确保表格样式变更时能触发重新计算。
-
优化行高计算时机: 使用nextTick确保DOM更新完成后再获取行高,避免获取到未更新的DOM尺寸。
-
默认行高设置: 当无法获取实际行高时,提供默认值50作为回退方案。
实现代码解析
watchEffect(() => {
// 显式监听size变化
propsRef.value.size && void 0;
if (bodyEl.value) {
bodyResizeObserver = new ResizeObserver((entries) => {
// 监听div高度变化逻辑
});
bodyResizeObserver.observe(bodyEl.value);
const el = bodyEl.value.querySelector('tbody.ant-table-tbody tr.ant-table-row');
if (el) {
// 使用nextTick确保DOM更新完成
nextTick(() => {
rowHeight.value = el.offsetHeight;
});
return;
}
}
rowHeight.value = 50; // 默认行高
});
技术要点总结
-
Vue响应式原理应用:通过watchEffect实现对表格尺寸变化的响应式监听。
-
DOM更新周期管理:使用nextTick确保在正确的时机获取DOM尺寸。
-
ResizeObserver API:利用现代浏览器API高效监听元素尺寸变化。
-
防御性编程:提供默认值防止极端情况下出现错误。
最佳实践建议
对于使用JeecgBoot BasicTable组件的开发者,建议:
- 及时更新到包含此修复的版本
- 对于自定义表格样式的情况,确保测试不同尺寸下的显示效果
- 大数据量表格应考虑使用虚拟滚动等优化技术
- 关注表格性能,避免不必要的重新渲染
该问题的解决体现了JeecgBoot团队对细节的关注和快速响应能力,也为开发者处理类似表格显示问题提供了参考方案。
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
最新内容推荐
STM32到GD32项目移植完全指南:从兼容性到实战技巧 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 开源电子设计自动化利器:KiCad EDA全方位使用指南 Python案例资源下载 - 从入门到精通的完整项目代码合集 Python开发者的macOS终极指南:VSCode安装配置全攻略 网页设计期末大作业资源包 - 一站式解决方案助力高效完成项目 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Jetson TX2开发板官方资源完全指南:从入门到精通
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
3.87 K
暂无简介
Dart
671
155
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
309
🎉 (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
1.19 K
653
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