JeecgBoot中表单参数componentProps为函数时的注意事项
问题背景
在使用JeecgBoot框架开发时,开发者发现当表单参数的componentProps属性设置为函数返回值时,存在两个主要问题:
- 定义的valueType属性不生效
- 使用updateSchema更新表单参数时,必须更新整个componentProps方法返回的所有值,否则未更新的字段会失效
技术分析
valueType属性失效问题
在多选组件并要求以数组格式传值给后端时,如果componentProps以函数形式定义,其中设置的valueType属性不会生效。这是因为框架底层代码在获取componentProps的valueType时,没有处理函数形式的componentProps,而是直接使用componentProps.valueType取值。
当componentProps为函数时,componentProps.valueType实际上是undefined,导致框架无法正确识别开发者期望的数据类型。
updateSchema更新问题
当使用updateSchema方法更新表单参数时,如果componentProps是函数形式,开发者必须完整更新该函数返回的所有属性值。如果只更新部分属性,未更新的属性将会失效。这是因为框架在处理函数形式的componentProps时,会完全替换原有的函数定义,而不是进行属性合并。
解决方案
针对valueType问题
-
对于需要明确指定valueType为"array"的场景,建议直接在字段定义中设置valueType属性,而不是通过componentProps函数设置。
-
如果确实需要通过componentProps函数设置valueType,可以考虑在字段定义和componentProps中都设置valueType,确保至少有一处能生效。
针对updateSchema问题
-
在更新componentProps时,建议先获取当前完整的componentProps定义,然后在此基础上进行修改,最后再整体更新。
-
可以考虑将componentProps拆分为静态部分和动态部分,静态部分直接定义在字段中,动态部分通过函数处理。
最佳实践
-
对于简单的数据类型定义,优先在字段定义中直接设置valueType属性。
-
对于复杂的componentProps逻辑,可以考虑封装成独立的函数,确保每次更新时都能返回完整的属性集合。
-
在开发过程中,注意检查框架版本,确保使用的是包含相关修复的最新版本。
总结
JeecgBoot框架在处理函数形式的componentProps时存在一些特殊行为,开发者需要特别注意valueType的设置和参数更新的方式。通过遵循上述建议,可以避免因componentProps函数使用不当导致的各种问题,确保表单功能按预期工作。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00