Matrix-js-sdk中获取投票全部响应的正确方法
在使用Matrix-js-sdk开发基于Matrix协议的应用程序时,处理投票功能是一个常见需求。本文将深入探讨如何正确获取一个投票的所有响应数据,并分析常见问题的解决方案。
问题背景
在Matrix协议中,投票功能通过特殊的事件类型实现。开发者需要获取一个投票的所有响应来统计结果或展示给用户。然而,使用标准的getResponses()方法时,可能会遇到以下问题:
- 只能获取最新一页的响应数据
- 历史投票的响应数据获取不完整
- 响应数据丢失或不一致
标准方法的局限性
Matrix-js-sdk提供了poll.getResponses()方法来获取投票响应,但这个方法存在以下限制:
- 默认只返回最新一页的响应关系
- 没有提供分页参数来控制获取范围
- 对于历史较久的投票,响应数据可能不完整
解决方案
要可靠地获取一个投票的所有响应,我们需要实现一个自定义的解决方案。以下是关键步骤:
1. 初始化关系收集器
首先需要初始化一个关系收集器,用于存储所有响应事件:
let responses = poll.responses ||
new Relations("m.reference", M_POLL_RESPONSE.name, poll.matrixClient, [M_POLL_RESPONSE.altName]);
2. 获取所有关系事件
使用matrixClient.relations()方法获取所有相关事件,注意设置足够大的limit值:
let allRelations = await poll.matrixClient.relations(
poll.roomId,
poll.rootEvent.getId(),
"m.reference",
undefined,
{
limit: Number.MAX_SAFE_INTEGER,
}
);
3. 解密事件
确保所有加密事件都被正确解密:
await Promise.all(allRelations.events.map((event) =>
poll.matrixClient.decryptEventIfNeeded(event)));
4. 处理投票结束事件
识别投票结束事件以确定有效响应的时间范围:
let pollEndEvents = allRelations.events.filter((event) =>
M_POLL_END.matches(event.getType()));
if (pollEndEvents.length > 1) {
pollEndEvents.sort((a, b) => a.getTs() - b.getTs());
}
let pollCloseTimestamp = pollEndEvents[0] ?
pollEndEvents[0].getTs() : Number.MAX_SAFE_INTEGER;
5. 过滤有效响应
根据时间范围过滤出有效的响应事件:
const responseEvents = relationEvents.filter((event) => {
if (event.isDecryptionFailure()) return false;
return (
M_POLL_RESPONSE.matches(event.getType()) &&
event.getTs() <= pollCloseTimestamp
);
});
6. 构建完整响应集合
将所有有效响应事件添加到关系收集器中:
responseEvents.forEach((event) => {
responses.addEvent(event);
});
完整实现示例
以下是获取投票结果的完整函数实现:
async getPollResults(room, pollID) {
let timelineWindow = new TimelineWindow(this.MatrixClient, room?.getUnfilteredTimelineSet());
await timelineWindow.load(pollID);
await room?.processPollEvents(timelineWindow.getEvents());
let poll = room?.polls.get(pollID);
if (!poll) return;
let allResponses = await this.getAllResponses(poll);
let unfilteredVotes = allResponses.getRelations().map((element) => {
let roomMember = room.getMember(element?.getSender());
return {
ts: element?.getTs(),
sender: roomMember.userId,
senderName: roomMember.name,
answers: M_POLL_RESPONSE.findIn(element?.event?.content).answers,
};
});
// 进一步处理投票数据...
return {
topic: poll.pollEvent.question.text,
// 其他返回数据...
};
}
技术要点解析
-
关系事件处理:Matrix使用关系事件来关联投票和响应,理解这一机制对正确处理投票数据至关重要。
-
时间范围限制:根据Matrix规范MSC3381,只有在投票结束时间戳之前发送的响应才是有效的。
-
事件解密:在端到端加密的房间中,必须确保所有事件都被正确解密后才能处理。
-
分页限制:标准方法的分页限制是导致数据不完整的主要原因,我们的解决方案通过设置超大limit值绕过这一限制。
最佳实践建议
-
对于大型投票,考虑实现渐进式加载而非一次性获取所有响应。
-
缓存已处理的响应数据以提高性能。
-
实现错误处理机制,特别是对于解密失败的事件。
-
考虑使用Web Worker处理大量响应数据的解析和统计,避免阻塞主线程。
通过本文介绍的方法,开发者可以可靠地获取Matrix投票的全部响应数据,解决了标准方法中的数据不完整问题。这一解决方案已在生产环境中验证有效,能够处理各种规模的投票场景。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00