JSONForms项目中基于值的枚举过滤器实现方案
2025-07-01 05:58:55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
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
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 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
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
最新内容推荐
操作系统概念第六版PDF资源全面指南:适用场景与使用教程 RadiAnt DICOM Viewer 2021.2:专业医学影像阅片软件的全面指南 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 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 Python Django图书借阅管理系统:高效智能的图书馆管理解决方案 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 Python开发者的macOS终极指南:VSCode安装配置全攻略 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南
项目优选
收起
deepin linux kernel
C
24
7
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
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
376
3.26 K
暂无简介
Dart
621
140
🔥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
62
19
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
479
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++
647
263
🎉 (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
1.1 K
619
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
791
77