JeecgBoot中BasicTable表格自定义合计行内容的实现方案
2025-05-02 23:06:51作者:廉皓灿Ida
在JeecgBoot 3.7.0版本中,BasicTable组件提供了表格合计行功能,但默认仅支持统计当前页面数据。本文将详细介绍如何实现自定义合计行内容,特别是需要调用接口获取全部查询条件下数据之和的场景。
问题背景
BasicTable组件的合计行功能默认只能计算当前页面显示的数据总和。但在实际业务中,我们经常需要统计符合当前查询条件的所有数据总和,而不仅仅是当前页面的数据。
解决方案
方案一:同步获取合计数据
-
在查询前获取合计数据 在用户点击查询按钮时,先调用获取合计数据的接口,将结果保存在全局变量中,然后再进行常规的表格数据查询。
-
在onSummary中使用预存数据 在表格的summaryFunc配置中使用预先获取的合计数据,而不是在onSummary方法中异步获取。
// 示例代码
let totalData = {};
// 查询按钮点击事件
const handleSearch = async () => {
// 先获取合计数据
const res = await getTotalData(searchParams);
totalData = res.data;
// 再获取表格数据
loadData(searchParams);
};
// 表格配置
const tableConfig = {
summaryFunc: () => {
return {
amount: totalData.amountTotal
};
}
};
方案二:使用summaryData属性
- 动态更新summaryData 在获取到表格数据的同时,获取合计数据并更新summaryData。
// 示例代码
const [summary, setSummary] = useState([]);
const loadData = async (params) => {
// 获取表格数据
const tableRes = await getTableData(params);
// 获取合计数据
const totalRes = await getTotalData(params);
setData(tableRes.data.records);
setSummary([{
amount: totalRes.data.amountTotal
}]);
};
// 表格配置
const tableConfig = {
summaryData: summary
};
注意事项
-
避免异步操作 onSummary方法中不支持异步操作,因此不能在方法内部直接调用接口获取数据。
-
数据一致性 确保合计数据的查询条件与表格数据的查询条件完全一致,避免数据不一致的情况。
-
性能考虑 如果数据量很大,合计数据的计算可能会影响性能,建议在后端实现合计逻辑。
最佳实践
对于需要显示跨页合计的场景,推荐采用以下流程:
- 用户输入查询条件
- 前端先发送合计数据请求
- 收到合计数据后存储在状态中
- 发送常规表格数据请求
- 表格渲染时使用预存的合计数据
这种方案既能保证数据的准确性,又能避免在表格渲染过程中进行异步操作导致的问题。
通过以上方法,可以灵活地在JeecgBoot项目中实现各种复杂的表格合计需求,满足不同业务场景下的数据展示要求。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler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。C033
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
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-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
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
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 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 谷歌浏览器跨域插件Allow-Control-Allow-Origin:前端开发调试必备神器 高效验证码识别解决方案:OCRServer资源文件深度解析与应用指南 XMODEM协议C语言实现:嵌入式系统串口文件传输的经典解决方案 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 操作系统概念第六版PDF资源全面指南:适用场景与使用教程 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
427
3.28 K
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++
689
343
Ascend Extension for PyTorch
Python
235
267
暂无简介
Dart
686
161
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
266
327
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
56
33
🔥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
65
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
1.22 K
669