Jeecg Boot中onlchange事件获取值问题的分析与解决方案
2025-05-02 18:11:48作者:舒璇辛Bertina
问题背景
在使用Jeecg Boot 3.7.2版本开发过程中,开发人员发现当在online表单(包括单表或一对一表)中使用js增强onlchange事件时,通过value=event.row.num获取的数值并非当前输入的最新值,而是变化前的旧值。例如,当用户输入"222"时,获取到的值却是"22",这显然不符合预期行为。
问题分析
这种现象属于表单控件值更新时机的问题。在表单控件的值变化过程中,存在两个关键时间点:
- 旧值保存阶段:控件值发生变化时,系统首先会保存当前控件的旧值
- 新值更新阶段:随后才会将新值更新到数据模型中
在Jeecg Boot的原实现中,onlchange事件的触发时机被设置在旧值保存阶段之后、新值更新阶段之前,这就导致了获取到的是变化前的旧值而非最新输入的值。
解决方案
针对这个问题,Jeecg Boot开发团队已经提供了两种解决方案:
-
升级版本:该问题已在后续版本中修复,建议用户升级到最新版本
-
临时解决方案(适用于3.7.2版本):
- 使用event.value替代event.row.num来获取当前控件的值
- event.value会直接获取DOM元素的当前值,而不会经过数据模型的中间状态
技术原理
理解这个问题的关键在于明白表单控件值更新的生命周期:
- 用户输入触发change事件
- 框架捕获事件并处理
- 保存旧值到临时变量
- 触发onlchange回调
- 更新数据模型中的值
- 界面刷新
在修复版本中,团队调整了事件触发时机,确保在数据模型更新后再触发回调,从而保证获取到的是最新值。
最佳实践建议
-
在使用onlchange事件时,明确区分:
- event.row.num:获取数据模型中的值(可能滞后)
- event.value:获取DOM元素的实时值
-
对于关键业务逻辑,建议:
- 优先使用event.value确保获取最新值
- 必要时可以结合两者使用,实现更复杂的业务逻辑
-
在升级版本时,注意测试相关功能,确保兼容性
总结
Jeecg Boot作为一款优秀的快速开发框架,其online表单功能极大提高了开发效率。理解框架内部的事件机制和值更新流程,有助于开发者更好地使用框架功能并快速定位问题。对于这类值获取时机问题,掌握event.value的用法是一个实用的解决方案。
登录后查看全文
热门项目推荐
相关项目推荐
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
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
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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-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- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
305
2.68 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
136
163
React Native鸿蒙化仓库
JavaScript
233
309
暂无简介
Dart
596
130
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++
630
227
仓颉编译器源码及 cjdb 调试工具。
C++
123
642
🎉 (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
1.06 K
614
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
195
71
仓颉编程语言测试用例。
Cangjie
36
642