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。
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