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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00