Jeecg-Boot项目中表格查询条件折叠配置优化指南
2025-05-03 03:59:40作者:郦嵘贵Just
背景介绍
在Jeecg-Boot 3.7.0版本中,开发者在使用BasicTable组件时可能会遇到表格上方查询条件折叠配置的问题。特别是当尝试通过autoAdvancedLine属性来控制查询条件折叠行为时,发现该配置项没有生效。
问题分析
在Jeecg-Boot的早期版本中,确实提供了autoAdvancedLine属性来设置查询条件超过多少行时自动折叠。然而,随着框架的迭代更新,这个属性已经被标记为废弃状态,并在后续版本中将被移除。
解决方案
当前版本推荐使用以下两个属性组合来实现查询条件的折叠控制:
autoAdvancedCol- 控制查询条件超过多少列时自动折叠alwaysShowLines- 设置默认显示的行数
这种新的配置方式更加灵活和直观,能够更好地满足不同场景下的UI展示需求。
配置示例
{
autoAdvancedCol: 3, // 超过3列时自动折叠
alwaysShowLines: 1 // 默认显示1行
}
最佳实践
- 对于简单的查询表单,建议设置
autoAdvancedCol为3-4,保持界面整洁 - 对于复杂的查询条件,可以适当增加
alwaysShowLines的值,减少用户操作 - 在升级项目时,应及时替换废弃的
autoAdvancedLine属性
注意事项
- 该变更已在Jeecg-Boot 3.7.0版本中实施
- 开发者应及时检查项目中是否有使用废弃属性的情况
- 新属性提供了更灵活的布局控制,建议充分利用
通过采用新的配置方式,开发者可以更精确地控制查询条件的展示行为,提升用户体验和界面美观度。
登录后查看全文
热门项目推荐
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-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
FreeSql功能强大的对象关系映射(O/RM)组件,支持 .NET Core 2.1+、.NET Framework 4.0+、Xamarin 以及 AOT。C#00
项目优选
收起
deepin linux kernel
C
27
14
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
657
4.26 K
Ascend Extension for PyTorch
Python
502
606
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++
939
862
Oohos_react_native
React Native鸿蒙化仓库
JavaScript
334
378
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
390
284
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
123
195
openGauss kernel ~ openGauss is an open source relational database management system
C++
180
258
🎉 (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
1.54 K
891
昇腾LLM分布式训练框架
Python
142
168