Yazi文件管理器中的自定义排序策略实现
2025-05-08 19:05:03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
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出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
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
deepin linux kernel
C
24
7
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
291
2.62 K
Ascend Extension for PyTorch
Python
123
149
暂无简介
Dart
583
127
React Native鸿蒙化仓库
JavaScript
227
306
仓颉编译器源码及 cjdb 调试工具。
C++
121
395
仓颉编程语言运行时与标准库。
Cangjie
130
408
🎉 (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
1.05 K
610
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++
606
185
openGauss kernel ~ openGauss is an open source relational database management system
C++
155
205