百度amis项目中按钮loading状态控制的正确用法
2025-05-12 09:58:24作者:丁柯新Fawn
在百度amis前端框架中,控制按钮的loading状态是一个常见的需求。很多开发者在使用时会遇到一个典型问题:当尝试通过变量动态控制按钮的loading状态时,发现无论变量值如何设置,按钮总是显示为loading状态。
问题现象
开发者通常会尝试使用如下方式通过变量控制按钮loading状态:
{
"type": "button",
"label": "示例按钮",
"loading": "${isLoading}"
}
其中isLoading是一个布尔值变量,期望当它为true时显示loading状态,为false时不显示。但实际运行时,无论变量值如何设置,按钮总是显示loading状态。
原因分析
经过技术专家分析,这是由于amis框架对按钮loading状态的处理机制导致的。在amis中,loading属性有其特殊的设计考虑:
- 当直接给
loading赋值为布尔值时,能够正常工作 - 但当使用变量表达式(如
${variable})时,amis会将其解析为"真值",导致总是显示loading状态
正确解决方案
amis框架提供了专门的loadingOn属性来处理这种动态loading状态的需求。正确的做法是:
{
"type": "button",
"label": "示例按钮",
"loadingOn": "${isLoading}"
}
深入理解
loadingOn属性的设计体现了amis框架对动态状态控制的优化考虑:
- 它明确区分了静态loading状态和动态loading状态
- 使用
loadingOn可以更清晰地表达"当某条件满足时显示loading"的语义 - 这种设计也使得amis能够更高效地处理状态变化
最佳实践
在实际项目中,建议:
- 对于固定不变的loading状态,使用
loading属性 - 对于需要动态控制的loading状态,统一使用
loadingOn属性 - 可以结合amis的数据域功能,实现复杂的loading状态控制逻辑
{
"type": "button",
"label": "提交",
"loadingOn": "${form.isSubmitting || api.isLoading}"
}
通过这种方式,开发者可以更灵活、更可靠地控制按钮的loading状态,提升用户体验。
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (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
1.2 K
655
🔥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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
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
330
137