Univer项目字体大小下拉框自定义功能实现方案
2025-05-26 17:57:49作者:何将鹤
在电子表格和文档编辑场景中,字体大小选择器是高频使用的核心组件。本文针对Univer项目中用户提出的字体大小列表自定义需求,从技术实现角度进行深度解析。
现有机制分析
Univer当前版本中,字体大小选择器的数据源采用硬编码方式实现,主要呈现8-96pt之间的常见字号值。这种设计虽然能满足基础排版需求,但在以下场景存在局限性:
- 需要展示非标准字号(如7.5pt等精细刻度)
- 行业特殊排版规范要求特定字号序列
- 多语言环境下字号单位差异(如中文的"号"单位)
技术实现方案
方案一:组件级覆盖(推荐方案)
通过Univer的组件管理系统实现完全自定义:
- 继承基础FontSizeComponent类
- 重写getSizeList()方法
- 注册自定义组件到UI_PLUGIN_SHEETS_FONT_SIZE_COMPONENT插槽
class CustomFontSize extends FontSizeComponent {
getSizeList() {
return [10, 10.5, 11, 12, 14, 16, 18, 20, 22];
}
}
// 在模块初始化时注册
componentManager.register('UI_PLUGIN_SHEETS_FONT_SIZE_COMPONENT', () => new CustomFontSize());
方案二:运行时配置扩展(需框架支持)
建议Univer未来版本可考虑增加配置接口:
interface FontSizeConfig {
presetSizes: number[];
minSize?: number;
maxSize?: number;
step?: number;
unit?: 'pt' | 'px' | 'em';
}
实现注意事项
- 数值有效性校验:自定义值需在4-400pt之间(常见排版软件限制)
- 性能优化:大数据量时建议实现虚拟滚动
- 单位换算:如需支持多单位,需实现pt与其他单位的转换公式
- 样式同步:确保自定义字号与编辑器渲染效果一致
扩展建议
对于企业级用户,可进一步考虑:
- 用户偏好记忆功能
- 部门级字号模板
- 与文档样式系统的联动配置
通过组件化设计,Univer保持了良好的扩展性,用户可根据实际业务需求灵活定制字号选择器,这体现了框架在设计时对可扩展性的重视。
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
245
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
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥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++
134
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