Blazorise DataGrid 自定义排序功能解析
背景介绍
Blazorise 是一个基于 Blazor 的 UI 组件库,其中的 DataGrid 组件提供了强大的数据展示和排序功能。在实际开发中,我们经常会遇到需要对混合类型数据(如包含字母和数字的字符串)进行特殊排序的需求。
问题场景
在常规的数据网格排序中,字符串类型的列会按照字典序进行排序,这会导致类似 "A-1, A-2, A-10" 这样的数据被排序为 "A-1, A-10, A-2",而这通常不是用户期望的结果。用户期望的是能够识别字符串中的数字部分,并按数值大小进行排序,即 "A-1, A-2, A-10"。
解决方案演进
Blazorise 团队针对这一需求提出了几种解决方案:
-
简单字段映射方案:通过添加一个专门用于排序的计算属性,对原始数据进行预处理,使其能够正确排序。例如将 "A-10" 转换为 "A-00010" 这样的固定长度格式。
-
自定义排序字段函数:在 DataGridColumn 上提供 SortFieldFunc 属性,允许开发者传入一个 lambda 表达式,动态计算排序键值。
-
自定义比较器方案:实现完整的 IComparer 接口,提供更灵活的比较逻辑,可以处理各种复杂的混合字符串排序场景。
技术实现细节
对于最复杂的第三种方案,开发者可以实现如下比较逻辑:
public class AlphanumericComparer : IComparer<string>
{
public int Compare(string x, string y)
{
// 分割字符串为字母和数字部分
var xParts = Regex.Split(x, "([0-9]+)");
var yParts = Regex.Split(y, "([0-9]+)");
// 逐部分比较
for (int i = 0; i < Math.Min(xParts.Length, yParts.Length); i++)
{
// 如果都是数字,按数值比较
if (int.TryParse(xParts[i], out int xNum) &&
int.TryParse(yParts[i], out int yNum))
{
if (xNum != yNum)
return xNum.CompareTo(yNum);
}
// 否则按字符串比较
else
{
int strCompare = string.Compare(xParts[i], yParts[i], StringComparison.OrdinalIgnoreCase);
if (strCompare != 0)
return strCompare;
}
}
// 如果共同部分都相同,长度短的排在前面
return xParts.Length.CompareTo(yParts.Length);
}
}
最佳实践建议
-
简单场景:如果数据格式相对固定,优先使用计算属性方案,性能最佳。
-
中等复杂度:当需要处理多种格式但规则明确时,使用 SortFieldFunc 方案。
-
高度复杂:只有在前两种方案无法满足时,才考虑实现完整比较器,因为这会带来额外的性能开销。
性能考量
对于大数据量的排序,需要注意:
-
正则表达式分割虽然方便,但性能较差,可以考虑优化为手动解析。
-
计算属性方案在数据不变的情况下可以缓存结果,避免重复计算。
-
在 Blazor 的虚拟滚动场景中,排序性能尤为关键,应尽量减少不必要的计算。
总结
Blazorise DataGrid 通过灵活的排序方案设计,满足了从简单到复杂的各种排序需求。开发者可以根据实际场景选择最适合的方案,在功能实现和性能之间取得平衡。对于常见的混合字符串排序问题,合理使用这些特性可以显著提升用户体验。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00