OctoberCMS 中 taglist 字段类型实现 select 功能的技术解析
2025-05-21 13:00:51作者:邬祺芯Juliet
在 OctoberCMS 开发过程中,开发者经常需要处理多对多关系的数据展示。本文深入探讨了如何在 taglist 字段类型中实现类似 relation 类型的 select 功能,特别是在处理系统内置模型时的解决方案。
问题背景
OctoberCMS 提供了多种字段类型来处理关系数据,其中 taglist 类型以其紧凑的UI展示方式受到开发者青睐。然而,当我们需要在 taglist 字段中展示自定义格式的数据时(如将用户的名和姓拼接显示),直接使用 select 参数会遇到限制。
原生解决方案的局限性
开发者最初尝试使用类似 relation 字段的配置方式:
users:
type: taglist
mode: relation
customTags: false
keyFrom: id
select: concat(first_name, ' ', last_name)
useKey: true
这种配置在 relation 字段类型中有效,但在 taglist 类型中却无法正常工作,导致开发者需要寻找替代方案。
模型扩展方案
对于可控制的模型,最佳实践是添加访问器方法:
public function getFullNameAttribute(): string
{
return "{$this->first_name} {$this->last_name}";
}
然后在字段配置中使用 nameFrom: full_name 参数。这种方法简洁高效,利用了 Laravel 的访问器特性。
处理系统内置模型的挑战
当面对 OctoberCMS 内置的 Backend\Models\User 等不可直接修改的模型时,开发者可以采用类扩展的方式:
\October\Rain\Extension\Container::extendClass(\Backend\Models\User::class, function($model) {
$model->addDynamicMethod('getFullNameAttribute', function() use ($model) {
return "{$model->first_name} {$model->last_name}";
});
});
值得注意的是,Backend\Models\User 类实际上已经内置了 getFullNameAttribute 方法,因此在实践中可以直接使用 nameFrom: full_name 而无需额外扩展。
最佳实践建议
- 优先使用内置方法:在使用系统模型前,检查其是否已提供所需的方法
- 考虑UI需求:根据实际界面空间需求,在 relation 和 taglist 类型间做出合理选择
- 扩展要谨慎:对系统核心模型的扩展应保持在最小范围,避免升级冲突
- 性能考量:对于大型数据集,数据库层面的 concat 可能比PHP层面的拼接更高效
通过理解这些技术细节,开发者可以更灵活地在 OctoberCMS 项目中处理复杂的关系数据展示需求。
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
项目优选
收起
deepin linux kernel
C
26
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
421
3.22 K
Ascend Extension for PyTorch
Python
230
261
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++
689
330
暂无简介
Dart
685
160
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
React Native鸿蒙化仓库
JavaScript
266
326
🔥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
65
19
🎉 (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
1.22 K
666
仓颉编译器源码及 cjdb 调试工具。
C++
136
869