Choices.js 中保留原始 option 元素属性的技术实践
背景介绍
在使用 Choices.js 这个强大的选择框库时,开发者经常会遇到需要保留原始 select 元素中 option 标签自定义属性的需求。这些自定义属性(如 data-*)可能包含了重要的业务数据,需要在 Choices.js 渲染的界面中继续使用。
问题核心
当使用 Choices.js 替换原生 select 元素时,默认情况下它会创建一个全新的 UI 组件,而原始 option 元素的自定义属性不会自动保留。这导致开发者需要寻找方法来访问和保留这些原始属性。
解决方案
Choices.js 提供了 callbackOnCreateTemplates 回调函数,这是一个强大的扩展点,允许开发者自定义模板的创建过程。通过这个回调,我们可以访问并保留原始 option 元素的属性。
实现方法
-
使用 callbackOnCreateTemplates: 这是 Choices.js 提供的核心扩展点,允许开发者覆盖默认的模板创建逻辑。
-
保留原始属性: 在创建自定义模板时,可以从原始 option 元素中提取需要的属性,并将它们应用到新创建的 Choices 元素上。
-
示例代码:
const choicesInstance = new Choices(selectElement, {
callbackOnCreateTemplates: function() {
const originalTemplates = Choices.defaults.templates;
return {
choice: (classNames, data) => {
// 获取原始 option 元素
const originalOption = selectElement.options[data.choiceId];
// 创建默认的 choice 元素
const choiceEl = originalTemplates.choice.call(this, classNames, data);
// 保留原始 data 属性
if (originalOption) {
Array.from(originalOption.attributes).forEach(attr => {
if (attr.name.startsWith('data-')) {
choiceEl.dataset[attr.name.replace('data-', '')] = attr.value;
}
});
}
return choiceEl;
},
item: (classNames, data) => {
// 类似处理 item 模板
// ...
}
};
}
});
技术细节
-
原始 option 访问: 通过
selectElement.options[data.choiceId]可以获取到对应的原始 option 元素。 -
属性转移: 使用
datasetAPI 可以方便地处理和转移 data-* 属性。 -
模板继承: 在自定义模板中,首先调用原始模板方法 (
originalTemplates.choice.call) 确保基础功能正常,然后再添加自定义逻辑。
最佳实践
-
选择性保留属性: 不是所有原始属性都需要保留,应根据业务需求选择性地转移重要属性。
-
性能考虑: 对于包含大量选项的选择框,属性转移操作可能会影响性能,应进行必要的优化。
-
兼容性处理: 添加适当的空值检查,确保代码在原始 option 不存在时也能正常工作。
总结
通过合理利用 Choices.js 的 callbackOnCreateTemplates 回调,开发者可以灵活地保留和转移原始 select 元素中的自定义属性,实现更复杂的业务需求。这种方法既保持了 Choices.js 的强大功能,又解决了与原始元素属性的兼容性问题。
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