D2语言中基于连接源与目标的样式过滤机制解析
2025-05-10 11:26:41作者:沈韬淼Beryl
D2作为一款新兴的声明式图表语言,近期新增了glob模式匹配和声明式格式化功能。在实际使用中,开发者常遇到需要根据连接线的源节点和目标节点类型来动态设置箭头样式的需求。本文深入剖析该功能的实现原理与最佳实践。
核心需求场景
典型场景表现为:当两个SQL表格节点相连时,需要显示特定的箭头样式(如源端单箭头、目标端菱形箭头),而普通节点间的连接则保持默认样式。这种条件式样式设置需要精确识别连接两端的节点类型。
技术实现方案
D2提供了两种优雅的解决方案:
- 类属性过滤法 通过为节点定义class属性,利用CSS选择器般的语法进行过滤:
sql_tableA -> sql_tableB {class: sql-link}
a -> b
(* -> *)[class=sql-link]: {
source-arrowhead: 1
target-arrowhead: * {
shape: diamond
}
}
- 节点类型匹配法(待实现) 未来版本将通过glob模式直接匹配节点属性:
sql_tableA -> sql_tableB
a -> b
(* -> *)[*]: {
&src.shape: sql_table
&dst.shape: sql_table
source-arrowhead: 1
target-arrowhead: * {
shape: diamond
}
}
方案对比
| 方案 | 优势 | 适用场景 |
|---|---|---|
| 类属性过滤 | 实现简单,当前版本可用 | 需要显式标记的连接 |
| 节点类型匹配 | 自动化程度高,维护成本低 | 大规模同类型节点连接 |
最佳实践建议
- 对于小型图表,推荐使用类属性过滤方案,直观且易于调试
- 当需要批量处理同类节点时,可等待节点类型匹配方案正式发布
- 混合使用class和shape属性可以实现更复杂的条件组合
技术原理
D2的样式系统采用级联规则,其选择器引擎支持:
- 节点/连接的基础属性匹配
- 布尔逻辑组合条件
- 通配符模式匹配
- 上下文感知的样式继承
这种设计使得图表样式可以像CSS样式表一样实现关注点分离,大大提升了复杂图表的可维护性。
总结
D2通过创新的声明式语法,为图表元素的条件格式化提供了强大而灵活的解决方案。随着glob模式的不断完善,开发者将能够更精确地控制各类连接线的视觉呈现,从而创建出更具表现力的专业图表。
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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
414
3.18 K
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
Ascend Extension for PyTorch
Python
228
258
暂无简介
Dart
679
160
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
325
🔥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
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492