Handsontable 15.3.0 版本发布:性能优化与功能增强
项目简介
Handsontable 是一个功能强大的 JavaScript 数据表格库,它提供了类似 Excel 的电子表格体验,支持丰富的功能如数据绑定、公式计算、排序过滤等。作为企业级的前端表格解决方案,Handsontable 广泛应用于数据分析、报表生成和复杂业务系统的开发中。
15.3.0 版本亮点
最新发布的 15.3.0 版本带来了多项性能优化、功能增强和问题修复,显著提升了表格的渲染效率、用户体验和稳定性。
性能优化
-
公式计算初始化加速:针对启用了公式功能的表格,大幅缩短了初始化时间,这对于包含大量公式的工作表尤为重要。
-
Autocomplete 编辑器性能提升:解决了当提供超长选项列表时渲染缓慢的问题,现在即使面对数千个选项也能保持流畅。
-
视图滚动行为改进:优化了视口滚动机制,使滚动更加平滑自然。
新增功能
-
CSV 导出安全增强:新增了可选的公式净化功能,有效防止 CSV 注入攻击,提升了数据导出的安全性。
-
React 包装器类型完善:为 React 包装器添加了缺失的布尔类型支持,使类型系统更加完整。
-
评论插件 IME 支持:改进了评论插件对输入法编辑的支持,并新增了
beforeCompositionstart钩子,为开发者提供了更多控制点。 -
过滤器水平滚动:为"按值过滤"组件添加了水平滚动功能,解决了长值列表的显示问题。
用户体验改进
-
行/列调整手柄优化:调整了手动行高和列宽调整的引导线尺寸,使操作更加直观。
-
子菜单定位修复:统一了所有主题下的子菜单位置显示,确保视觉一致性。
-
移动端键盘体验:修复了 Android 设备上点击过滤器搜索输入后键盘意外关闭的问题。
-
RTL 布局支持:完善了从右到左布局下的左右箭头快捷键行为。
重要问题修复
-
NestedRows 插件修复:解决了移动子行时可能导致行重复的问题。
-
行高计算修正:修复了 Safari 浏览器下合并单元格行高计算不准确的问题。
-
数据更新渲染:确保数据集变更后正确触发渲染,避免显示不一致。
-
焦点捕获器无障碍:改进了焦点捕获器的可访问性,提升辅助技术兼容性。
-
撤销/重做机制:优化了行和列删除操作的撤销/重做行为。
-
自动完成编辑器:修复了多项问题,包括下拉列表宽度、滚动后光标位置等。
-
隐藏列处理:解决了重新启用隐藏列配置时可能出现的错误问题。
技术细节
对于开发者而言,本次更新还包含了一些重要的技术改进:
- 修复了设置对象在添加新钩子后未更新的问题
- 解决了表格高度设置为 0px 时仍渲染所有行的问题
- 完善了 Web Components 的复制/粘贴/剪切功能
- 修正了 Dropdown 编辑器的
allowInvalid选项行为 - 修复了上下文菜单中撤销/重做项的弃用警告
总结
Handsontable 15.3.0 版本通过一系列的性能优化和问题修复,进一步提升了产品的稳定性和用户体验。特别是对公式计算、编辑器性能和移动端支持的改进,使得这个企业级表格解决方案更加成熟可靠。开发者可以更高效地构建复杂的数据展示和编辑界面,而终端用户将获得更加流畅自然的表格操作体验。
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。C0105
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.Python059
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