Yazi文件管理器中的自定义排序策略实现
2025-05-08 19:56:45作者:翟江哲Frasier
概述
在Yazi文件管理器中,用户经常需要根据不同场景对文件进行不同方式的排序。本文探讨了如何实现一个智能的文件夹排序策略系统,能够根据当前目录和使用场景自动切换排序方式。
需求分析
用户通常会有以下两种排序需求:
- 在日常浏览时,希望特定目录(如下载文件夹)默认按修改时间倒序排列
- 在清理文件时,希望所有目录都能按文件大小排序
技术实现方案
初始方案分析
最初尝试通过监听cd事件来实现,但存在以下局限性:
- 无法感知用户在目录内部手动更改排序方式的操作
- 状态管理复杂,难以准确恢复之前的排序状态
改进方案
更优雅的解决方案是覆盖默认的排序快捷键,在用户主动排序时触发自定义逻辑:
- 快捷键重映射:
[manager]
prepend_keymap = [
{ on = [ ",", "m" ], run = [ "sort modified --reverse=no", "linemode mtime", "plugin folder-rules --sync --args='hi'" ], desc = "按修改时间排序" },
{ on = [ ",", "s" ], run = [ "sort size --reverse=no", "linemode size", "plugin folder-rules --sync --args='hi'" ], desc = "按大小排序" },
# 其他排序快捷键...
{ on = [ ",", "," ], run = [ "plugin folder-rules --sync" ], desc = "恢复默认排序规则" }
]
- Lua插件逻辑:
local M = {}
local function execute_rules(cx)
local cwd = cx.active.current.cwd
if cwd:ends_with("Downloads") then
ya.manager_emit("sort", { "modified", reverse = true, dir_first = false })
else
ya.manager_emit("sort", { "alphabetical", reverse = false, dir_first = true })
end
end
function M.setup()
ps.sub("cd", function()
if not user then
execute_rules(cx)
end
end)
end
function M:entry(args)
user = args[1] and true or false
if not user then -- 刷新
execute_rules(cx)
end
end
return M
实现原理
- 状态管理:通过
user变量区分是用户主动排序还是系统自动应用规则 - 事件处理:
cd事件:进入目录时自动应用预设规则- 快捷键:用户主动排序时标记为手动操作,避免自动规则覆盖
- 规则应用:根据当前目录路径决定使用哪种排序策略
使用建议
- 对于常用目录,可以扩展
execute_rules函数添加更多自定义规则 - 考虑添加可视化提示,让用户清楚当前处于自动规则还是手动排序状态
- 可以进一步扩展支持更多排序维度,如按文件类型、扩展名等
总结
通过结合快捷键重映射和Lua插件,我们在Yazi中实现了一个灵活的文件排序策略系统。这种方法避免了直接修改核心代码的复杂性,同时提供了足够的灵活性来满足不同场景下的排序需求。这种模式也展示了Yazi插件系统的强大之处,能够在不影响核心功能的情况下扩展出丰富的自定义行为。
对于进阶用户,可以进一步探索Yazi的事件系统和API,开发出更复杂的文件管理策略,打造真正符合个人工作流的文件管理环境。
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
最新内容推荐
Python开发者的macOS终极指南:VSCode安装配置全攻略 Launch4j中文版:Java应用程序打包成EXE的终极解决方案 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 STM32到GD32项目移植完全指南:从兼容性到实战技巧 XMODEM协议C语言实现:嵌入式系统串口文件传输的经典解决方案
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
415
3.19 K
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
暂无简介
Dart
680
160
🔥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
Ascend Extension for PyTorch
Python
229
259
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
327
React Native鸿蒙化仓库
JavaScript
265
326
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (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
1.21 K
660