JSONForms项目中基于值的枚举过滤器实现方案
2025-07-01 15:26:50作者:幸俭卉
在JSONForms表单生成器的实际应用中,开发者经常会遇到需要根据前置字段值动态过滤后续字段枚举选项的场景。本文将以一个典型的会计系统结构为例,深入探讨如何优雅地实现这种动态过滤功能。
业务场景分析
考虑一个常见的公司成本中心管理场景,不同公司拥有不同的成本中心集合:
公司1 -> 成本中心A/B/C
公司2 -> 成本中心B/C/D
这种层级关系要求在前端表单中,当用户选择"公司1"时,成本中心下拉框只能显示A/B/C三个选项;选择"公司2"时则显示B/C/D。
JSON Schema实现方案
最直观的实现方式是使用JSON Schema的if-then条件语句:
{
"if": {
"properties": {
"company": { "const": "Company1" }
}
},
"then": {
"properties": {
"cost-centers": {
"items": {
"properties": {
"cost-center": {
"enum": ["cost-center-a", "cost-center-b", "cost-center-c"]
}
}
}
}
}
}
}
虽然这种方案在技术上可行,但存在两个主要问题:
- 所有成本中心选项仍然会出现在所有公司的下拉框中
- 需要为每个公司编写重复的条件判断逻辑
更优解决方案:自定义渲染器
JSONForms核心团队成员建议采用自定义渲染器方案,这被认为是更清晰、更易维护的解决方案。其优势在于:
- 关注点分离:业务逻辑与UI表现分离
- 灵活性:可以自由定义过滤规则
- 可维护性:不需要同步维护JSON Schema和UI Schema
实现思路是创建一个专门处理枚举过滤的自定义渲染器,它会:
- 监听前置字段(如公司选择)的变化
- 根据当前值查询JSON Schema中的约束条件
- 动态过滤后续字段(如成本中心)的可用选项
技术实现建议
对于React技术栈的实现,可以:
const DynamicEnumRenderer = ({ schema, uischema, path, data }) => {
// 1. 解析schema中的条件约束
const constraints = extractConstraints(schema);
// 2. 监听依赖字段变化
const [filteredOptions, setFilteredOptions] = useState([]);
useEffect(() => {
const activeConstraints = findActiveConstraints(data, constraints);
setFilteredOptions(activeConstraints.enum || []);
}, [data.company]);
// 3. 渲染过滤后的下拉框
return <Select options={filteredOptions} />;
};
最佳实践
- 约定优于配置:在团队内部约定条件约束的表示方式
- 性能优化:对于大型枚举集合考虑虚拟滚动
- 错误处理:提供有意义的空状态提示
- 可测试性:确保过滤逻辑有完善的单元测试
总结
在JSONForms项目中实现动态枚举过滤时,相比复杂的条件JSON Schema,采用自定义渲染器是更优雅的解决方案。这种方法不仅解决了业务需求,还保持了代码的清晰性和可维护性,是处理此类动态表单场景的推荐实践。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00
最新内容推荐
微信防撤回补丁RevokeMsgPatcher技术解析与版本适配问题5分钟上手MinIO V3监控:从指标采集到Grafana可视化全流程Kubeless性能调优:内存配置、并发控制与资源限制终极指南 dromara/x-file-storage 未来规划与社区生态 3D Gaussian Splatting与传统3D表示方法对比:优势与局限性小红书直播录制功能异常分析与修复指南 革命性流媒体框架ZLMediaKit:一站式解决WebRTC/RTSP/RTMP/HLS全协议支持 Mooncake项目架构解析:基于RDMA的高效LLM推理缓存系统 Microsoft PICT工具:高效的组合测试用例生成技术解析 深入解析OASIS项目:基于AI的社交媒体模拟框架
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
525
3.72 K
Ascend Extension for PyTorch
Python
329
391
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++
877
578
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
335
162
暂无简介
Dart
764
189
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
12
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
1.33 K
746
🔥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
67
20
React Native鸿蒙化仓库
JavaScript
302
350