NG-ZORRO 表格组件中无数据状态高度问题解析与优化方案
问题背景
在使用NG-ZORRO的nz-table组件时,当表格配置为虚拟滚动模式且数据为空时,开发者可能会遇到一个显示问题:无数据提示模板(nzNoResult)被限制在一个固定高度的滚动容器内,导致内容显示不全或出现不必要的滚动条。
问题分析
这个问题的根源在于组件内部硬编码了一个固定高度值(182px)用于无数据状态下的虚拟滚动容器。这种实现方式存在两个明显缺陷:
-
缺乏灵活性:固定高度无法适应不同场景下无数据提示模板的实际高度需求,特别是当开发者自定义了复杂的无数据提示内容时。
-
命名错误:内部变量名"noDateVirtualHeight"存在拼写错误,正确的应该是"noDataVirtualHeight"。
技术实现细节
在虚拟滚动表格的实现中,当数据为空时,组件需要维持一个虚拟高度来保证滚动容器的正常渲染。当前实现直接将这个高度设置为固定值,而没有考虑:
- 用户自定义无数据模板的实际高度需求
- 表格本身配置的scrollY高度值
- 响应式布局下的自适应需求
解决方案
NG-ZORRO团队已经通过PR修复了这个问题,主要改进包括:
-
将高度配置公开为输入属性:新增了@Input() noDataVirtualHeight,允许开发者根据实际需求自定义无数据状态下的虚拟高度。
-
修正变量命名:将内部变量名从错误的"noDateVirtualHeight"改为正确的"noDataVirtualHeight"。
-
优化默认值逻辑:建议将默认高度设置为表格的scrollY值,保持表格高度一致性。
临时解决方案
在等待新版本发布期间,开发者可以通过CSS覆盖的方式临时解决这个问题:
.custom-table-class {
nz-table-inner-scroll {
cdk-virtual-scroll-viewport {
height: 550px !important;
}
}
}
最佳实践建议
-
当升级到包含此修复的版本后,建议开发者:
- 根据实际无数据模板内容设置合适的高度值
- 考虑使用表格的scrollY值作为默认高度
- 在响应式场景下,使用动态计算的高度值
-
对于复杂场景,可以考虑创建一个高度计算服务,根据模板内容动态计算并设置noDataVirtualHeight值。
总结
这个问题的修复体现了NG-ZORRO团队对开发者体验的重视。通过将内部实现细节暴露为可配置选项,赋予了开发者更大的灵活性,同时也修正了命名规范问题。这种改进使得表格组件在各种边缘情况下都能提供更好的用户体验。
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-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
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