Jeecg Boot中onlchange事件获取值问题的分析与解决方案
2025-05-02 23:52:25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
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
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
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
672
157
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++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥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
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
135
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218