Thymeleaf教程:深入理解迭代器(th:each)的使用
2025-06-27 20:25:05作者:昌雅子Ethen
前言
在Web开发中,展示列表数据是非常常见的需求。Thymeleaf作为一款优秀的Java模板引擎,提供了强大的迭代功能来简化这类操作。本文将详细介绍Thymeleaf中迭代器的使用方法,帮助开发者高效处理列表数据展示。
基本迭代语法
Thymeleaf通过th:each属性实现迭代功能,其语法类似于Java的foreach循环:
<li th:each="book : ${books}" th:text="${book.title}">默认文本</li>
这段代码会遍历books集合中的每个元素,为每个元素生成一个<li>标签,并将书籍标题作为文本内容。
支持迭代的对象类型
Thymeleaf的th:each支持多种Java对象类型:
- 实现了
java.util.Iterable接口的对象 - 实现了
java.util.Enumeration接口的对象 - 实现了
java.util.Iterator接口的对象(无需缓存所有值) - 实现了
java.util.Map接口的对象(迭代变量为Map.Entry) - 任何数组类型
- 其他对象会被视为单值列表
迭代状态变量
在实际开发中,我们经常需要获取迭代过程中的状态信息。Thymeleaf提供了丰富的状态变量来满足这一需求。
状态变量属性
状态变量包含以下有用属性:
index:当前迭代索引(从0开始)count:当前迭代计数(从1开始)size:迭代元素总数current:当前迭代元素even/odd:判断当前迭代是偶数还是奇数first:判断是否是第一个元素last:判断是否是最后一个元素
状态变量使用示例
<table>
<tr>
<th>名称</th>
<th>价格</th>
<th>库存状态</th>
</tr>
<tr th:each="prod,iterStat : ${prods}" th:class="${iterStat.odd}? 'odd'">
<td th:text="${prod.name}">默认名称</td>
<td th:text="${prod.price}">0.00</td>
<td th:text="${prod.inStock}? '有货' : '缺货'">未知</td>
</tr>
</table>
在这个例子中,我们:
- 遍历产品列表
prods - 使用状态变量
iterStat判断当前行是否为奇数行 - 如果是奇数行则添加'odd'类
- 显示产品名称、价格和库存状态
隐式状态变量
如果不显式声明状态变量,Thymeleaf会自动生成一个,命名规则为"迭代变量名+Stat":
<tr th:each="prod : ${prods}" th:class="${prodStat.odd}? 'odd'">
<!-- 表格内容 -->
</tr>
实际应用场景
1. 斑马线表格
使用even/odd状态可以轻松实现表格行的斑马线效果:
<tr th:each="item : ${items}"
th:class="${itemStat.odd}? 'odd-row' : 'even-row'">
<!-- 表格内容 -->
</tr>
2. 首尾行特殊样式
<ul>
<li th:each="item : ${items}"
th:class="${itemStat.first}? 'first-item' :
(${itemStat.last}? 'last-item' : '')">
<span th:text="${item.name}"></span>
</li>
</ul>
3. 显示序号
<table>
<tr th:each="user, stat : ${users}">
<td th:text="${stat.count}">序号</td>
<td th:text="${user.name}">用户名</td>
</tr>
</table>
性能考虑
- 大型集合处理:对于大型数据集,建议使用实现了
Iterator接口的对象,避免一次性加载所有数据到内存 - 状态变量开销:虽然状态变量很方便,但在极高性能要求的场景下,可以考虑减少其使用
- 缓存策略:合理利用Thymeleaf的模板缓存可以显著提高迭代性能
总结
Thymeleaf的迭代功能非常强大且灵活,通过th:each属性和状态变量,开发者可以轻松处理各种列表展示需求。掌握这些技巧将大大提高开发效率和代码可维护性。在实际项目中,建议根据具体需求选择最合适的迭代方式,并注意性能优化。
登录后查看全文
热门项目推荐
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
最新内容推荐
JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 开源电子设计自动化利器:KiCad EDA全方位使用指南 VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 Adobe Acrobat XI Pro PDF拼版插件:提升排版效率的专业利器 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
669
155
Ascend Extension for PyTorch
Python
219
236
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++
660
307
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
259
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
🎉 (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
1.19 K
652
仓颉编程语言运行时与标准库。
Cangjie
141
877
仓颉编译器源码及 cjdb 调试工具。
C++
134
867