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
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
570
3.84 K
Ascend Extension for PyTorch
Python
380
454
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++
894
677
暂无简介
Dart
803
198
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
353
207
昇腾LLM分布式训练框架
Python
119
147
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
🔥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
68
20
🎉 (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
1.37 K
781