JeecgBoot Vue3 实现前端分页不重复请求接口的解决方案
2025-05-02 20:28:03作者:咎竹峻Karen
背景介绍
在JeecgBoot Vue3 3.6.0版本中,默认的分页组件实现方式是每次翻页都会向服务器发送新的请求获取数据。这种设计在大多数场景下是合理的,因为它可以避免一次性加载大量数据导致的前端性能问题。然而,在某些特定业务场景下,我们需要一次性获取所有数据并在前端进行分页展示,这时就需要对默认的分页行为进行改造。
问题分析
传统JeecgBoot的分页实现存在以下特点:
- 每次翻页都会触发新的API请求
- 分页参数(pageNo, pageSize)会作为请求参数发送到后端
- 后端根据分页参数返回对应的数据片段
当我们需要实现前端分页时,需要解决以下技术难点:
- 如何一次性获取所有数据
- 如何在前端实现分页逻辑
- 如何保持原有分页组件的UI和交互不变
解决方案
方案一:修改API请求逻辑
- 重写列表查询方法: 在Vue组件中,可以重写列表查询方法,使其只在第一次加载时获取全部数据,后续翻页操作不再触发API请求。
// 在data中增加缓存变量
data() {
return {
allData: [], // 存储所有数据
isFirstLoad: true // 标记是否首次加载
}
}
// 修改加载方法
async loadData(arg) {
if(this.isFirstLoad) {
// 首次加载获取所有数据
const res = await getAction(this.url.list, {pageNo: 1, pageSize: 9999})
if(res.success) {
this.allData = res.result.records || []
this.dataSource = this.getPageData(1) // 获取第一页数据
}
this.isFirstLoad = false
}
// 非首次加载不执行任何操作
}
// 前端分页方法
getPageData(pageNo) {
const start = (pageNo - 1) * this.ipagination.pageSize
const end = start + this.ipagination.pageSize
return this.allData.slice(start, end)
}
- 监听分页变化: 监听分页参数变化,当页码变化时从缓存数据中获取对应页的数据。
watch: {
'ipagination.current'(val) {
this.dataSource = this.getPageData(val)
}
}
方案二:使用JeecgBoot内置功能
JeecgBoot Vue3版本其实已经内置了对前端分页的支持,可以通过配置实现:
- 在列表配置中设置:
在组件的
created或mounted钩子中添加以下配置:
this.defFlag = true // 启用默认查询
this.loadAllData = true // 加载所有数据
- 修改分页配置: 调整分页配置对象,添加前端分页相关参数:
this.ipagination = {
current: 1,
pageSize: 10,
pageSizeOptions: ['10', '20', '30'],
showTotal: (total, range) => {
return range[0] + '-' + range[1] + ' 共' + total + '条'
},
showQuickJumper: true,
showSizeChanger: true,
total: 0,
frontPaging: true // 关键参数,启用前端分页
}
注意事项
-
数据量控制: 前端分页适合数据量不大的场景,建议在数据量小于1000条时使用此方案。对于大数据量,仍推荐使用后端分页。
-
性能优化: 当数据量较大时,可以考虑以下优化措施:
- 使用虚拟滚动代替传统分页
- 对列表数据进行懒加载
- 使用Web Worker处理大数据
-
状态保持: 如果需要在页面跳转后保持分页状态,需要将当前页码和分页大小存储在Vuex或本地存储中。
最佳实践
在实际项目中,推荐采用以下实现方式:
- 创建混合(mixin): 可以创建一个专门用于前端分页的mixin,方便在多个组件中复用。
// frontPagingMixin.js
export default {
data() {
return {
allData: [],
isFrontPaging: true
}
},
methods: {
async loadAllDataOnce() {
if(this.isFrontPaging && this.allData.length === 0) {
const res = await getAction(this.url.list, {pageNo: 1, pageSize: 9999})
if(res.success) {
this.allData = res.result.records || []
this.ipagination.total = this.allData.length
this.dataSource = this.getPageData(1)
}
}
},
getPageData(pageNo) {
const start = (pageNo - 1) * this.ipagination.pageSize
const end = start + this.ipagination.pageSize
return this.allData.slice(start, end)
}
}
}
- 在组件中使用: 在需要前端分页的组件中引入该mixin:
import frontPagingMixin from './mixins/frontPagingMixin'
export default {
mixins: [frontPagingMixin],
// ...其他组件代码
}
通过以上方案,我们可以在JeecgBoot Vue3项目中实现前端分页功能,既满足了业务需求,又保持了良好的用户体验。
登录后查看全文
热门项目推荐
相关项目推荐
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
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 开源电子设计自动化利器:KiCad EDA全方位使用指南 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 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
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
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
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
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217