SurveyJS 2.0.4版本发布:表单库功能增强与体验优化
SurveyJS是一个强大的开源JavaScript表单库,它允许开发者轻松创建各种类型的调查问卷、表单和测验。该库提供了丰富的UI组件、灵活的数据绑定机制以及强大的验证功能,能够满足从简单到复杂的各种表单需求。
动态选项创建功能
本次2.0.4版本最显著的改进是引入了动态选项创建功能。现在,开发者可以在Dropdown和TagBox组件中允许用户输入新选项并自动添加到选择列表中。这一功能通过新增的allowNewOptions属性实现,当设置为true时,用户输入不在现有选项中的值会被自动创建为新选项。
为了实现更精细的控制,SurveyJS还新增了onChoiceCreated事件。开发者可以监听这个事件,在新选项被创建时执行自定义逻辑,比如验证输入值或修改选项属性。这一功能特别适合需要用户自定义选项的场景,如标签管理、自定义分类等。
无障碍访问改进
2.0.4版本对无障碍访问(A11y)进行了多项优化:
- 改进了布尔类型复选框的无障碍支持,确保屏幕阅读器能够正确识别和描述这些控件。
- 修复了矩阵下拉题中的下拉组件无障碍问题,使其在各种辅助技术下都能正常工作。
- 优化了aria-label和aria-labelledby属性的行为,确保表单元素能够被正确标记和关联。
这些改进使得SurveyJS构建的表单能够更好地服务于视觉障碍用户,符合现代Web应用的无障碍标准。
移动端体验优化
针对移动设备的使用体验,本次更新包含多项改进:
- 修复了移动模式下字体大小重置的问题,确保表单在不同设备上保持一致的视觉体验。
- 优化了Dropdown组件在平板设备上的显示效果,使其在小屏幕上也能正常使用。
- 改进了移动设备上搜索编辑器的可见性,提升了用户在小屏幕设备上的操作体验。
表达式与数据处理增强
SurveyJS强大的表达式系统在本版本中得到了多项改进:
- 修复了iif和getDate函数中的错误,提高了条件判断和日期处理的准确性。
- 改进了当survey.data中包含字符串格式数字时的表达式处理逻辑。
- 修复了displayValue表达式在特定情况下的行为,确保它能正确显示行列数据。
这些改进使得SurveyJS的数据处理和条件逻辑更加可靠和灵活。
其他重要改进
- 改进了表格目录(TOC)在启用高级标题时的视觉效果,提升了表单的整体美观度。
- 修复了Vue3版本中异步加载调查时标题不渲染的问题。
- 为PanelModel的expand()方法添加了详细的参数说明,提高了API文档的完整性。
- 解决了文本区域值在代码中设置问题注释/其他值时不更新的问题。
技术实现细节
在内部实现上,SurveyJS团队对QuestionSelectBase.calcVisibleChoices方法进行了重构,提高了选项计算的效率和可靠性。同时,通过优化单元测试结构,确保了新功能的稳定性和向后兼容性。
总结
SurveyJS 2.0.4版本通过引入动态选项创建、增强无障碍访问、优化移动体验和改进表达式系统,进一步巩固了其作为专业表单解决方案的地位。这些改进不仅提升了开发者的工作效率,也显著改善了最终用户的使用体验。对于需要构建复杂表单系统的项目,SurveyJS 2.0.4提供了一个更加成熟和可靠的选择。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00