在Ant Design Pro Table中自定义Light Filter底部样式
Ant Design Pro Table作为企业级中后台表格解决方案,提供了丰富的表格功能,其中Light Filter模式因其简洁高效而广受欢迎。本文将详细介绍如何针对Light Filter模式下的筛选条件底部进行自定义样式调整。
Light Filter模式简介
Light Filter是Pro Table提供的一种轻量级筛选模式,相比传统筛选表单更加简洁直观。它通常以紧凑的形式展示筛选条件,适合在空间有限的场景下使用。当开发者设置filterType: "light"时,表格将启用这种筛选模式。
底部区域自定义需求
在实际开发中,我们经常遇到需要调整Light Filter底部样式的场景。默认情况下,每个筛选条件底部会显示"确定"和"清除"按钮,但有时我们需要:
- 完全移除底部区域
- 自定义底部内容
- 仅针对特定筛选条件进行调整
解决方案
Pro Table通过formItemProps属性提供了深度自定义能力。要修改Light Filter的底部区域,可以使用以下配置:
columns = [
{
title: '名称',
dataIndex: 'name',
formItemProps: {
lightProps: {
footerRender: false, // 完全移除底部
// 或者自定义渲染
footerRender: (onConfirm, onClear) => (
<div>
<Button onClick={onClear}>自定义清除</Button>
<Button type="primary" onClick={onConfirm}>
自定义确定
</Button>
</div>
)
}
}
}
]
实现原理
这种配置方式的背后是Pro Table的组件化设计思想。Light Filter实际上是基于Form.Item的轻量级封装,通过lightProps属性暴露了内部的可定制点:
footerRender属性接受一个布尔值或渲染函数- 当设置为
false时,会完全隐藏底部操作区域 - 当传入函数时,可以完全控制底部区域的渲染内容
最佳实践
在实际项目中,我们推荐以下做法:
-
全局配置:如果需要统一修改所有筛选条件的底部样式,可以在Pro Table的
fieldProps中进行全局设置 -
局部覆盖:针对特定列的特殊需求,使用列的
formItemProps进行个性化配置 -
样式隔离:自定义渲染时,为组件添加特定className,避免样式污染
-
功能完整性:自定义渲染时,确保保留或正确处理
onConfirm和onClear回调,以维持筛选功能
总结
Ant Design Pro Table通过灵活的API设计,为开发者提供了强大的自定义能力。理解formItemProps和lightProps的用法,可以让我们轻松应对各种UI定制需求,同时保持功能的完整性。这种配置方式不仅适用于底部区域的自定义,也是理解Pro Table扩展机制的一个典型案例。
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