BootstrapBlazor MultiFilter组件搜索功能优化:支持自定义字符串比较方式
在BootstrapBlazor组件库中,MultiFilter组件是一个功能强大的多选过滤器控件,它内置了搜索功能,可以帮助用户快速筛选选项。然而,在9.6.2版本之前,该组件的搜索功能使用的是默认的字符串包含比较方式(StringComparison.Ordinal),这种比较方式区分大小写,在某些场景下可能不够灵活。
原始实现分析
MultiFilter组件的搜索功能核心逻辑位于OnSearchValueChanged方法中。原始实现如下:
private Task OnSearchValueChanged(string? val)
{
_searchText = val;
if (_source != null)
{
if (!string.IsNullOrEmpty(_searchText))
{
_items = _source.Where(i => i.Text.Contains(_searchText)).ToList();
}
else
{
_items = null;
}
StateHasChanged();
}
return Task.CompletedTask;
}
这段代码直接使用了string.Contains方法,没有指定字符串比较方式,因此默认采用区分大小写的Ordinal比较。这在需要不区分大小写搜索的场景下会带来不便。
优化方案实现
为了解决这个问题,BootstrapBlazor在9.6.2-beta02版本中为MultiFilter组件新增了一个StringComparison参数,允许开发者自定义字符串比较方式。主要改动包括:
- 新增StringComparison参数,默认值为StringComparison.OrdinalIgnoreCase(不区分大小写)
[Parameter]
public StringComparison StringComparison { get; set; } = StringComparison.OrdinalIgnoreCase;
- 修改OnSearchValueChanged方法,使用指定的StringComparison进行比较
private Task OnSearchValueChanged(string? val)
{
_searchText = val;
if (_source != null)
{
if (!string.IsNullOrEmpty(_searchText))
{
_items = [.. _source.Where(i => i.Text.Contains(_searchText, StringComparison))];
}
else
{
_items = null;
}
StateHasChanged();
}
return Task.CompletedTask;
}
使用方式
开发者现在可以通过设置StringComparison参数来灵活控制搜索行为:
<MultiFilter ShowSearch="true" StringComparison="@StringComparison.Ordinal" />
或者保持默认的不区分大小写方式:
<MultiFilter ShowSearch="true" />
技术背景
StringComparison枚举提供了多种字符串比较方式:
- CurrentCulture:使用当前区域性的排序规则
- CurrentCultureIgnoreCase:使用当前区域性的排序规则,忽略大小写
- InvariantCulture:使用固定区域性的排序规则
- InvariantCultureIgnoreCase:使用固定区域性的排序规则,忽略大小写
- Ordinal:使用序号排序规则(二进制比较)
- OrdinalIgnoreCase:使用序号排序规则,忽略大小写
在大多数国际化应用中,推荐使用CurrentCulture或CurrentCultureIgnoreCase,以获得与用户区域设置一致的排序行为。而在需要精确匹配或性能敏感的场景下,可以使用Ordinal或OrdinalIgnoreCase。
总结
BootstrapBlazor对MultiFilter组件的这一优化,使得开发者能够更灵活地控制搜索行为,满足不同场景下的需求。通过简单的参数配置,即可实现区分大小写或不区分大小写的搜索功能,大大提升了组件的适用性和用户体验。
这一改进也体现了BootstrapBlazor团队对开发者反馈的积极响应和对组件细节的持续优化,使得这个优秀的Blazor组件库更加完善和实用。
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