在LowCode-Engine中实现动态下拉框与表单联动
2025-05-15 20:12:21作者:丁柯新Fawn
动态下拉框的实现方式
在LowCode-Engine中,当我们需要在物料属性面板中实现一个动态下拉框时,可以通过以下几种方式来实现:
自定义Setter组件
最灵活的方式是创建一个自定义Setter组件。这个Setter本质上是一个React组件,可以在组件内部处理异步数据请求:
import { useEffect, useState } from 'react';
import { Select } from '@alifd/next';
const AsyncSelectSetter = ({ value, onChange }) => {
const [options, setOptions] = useState([]);
const [loading, setLoading] = useState(false);
useEffect(() => {
setLoading(true);
// 这里发起网络请求获取下拉选项
fetch('/api/options')
.then(res => res.json())
.then(data => {
setOptions(data);
setLoading(false);
});
}, []);
return (
<Select
value={value}
onChange={onChange}
dataSource={options}
loading={loading}
/>
);
};
然后在物料配置中引用这个Setter:
{
name: 'dynamicSelect',
title: '动态下拉框',
setter: AsyncSelectSetter
}
使用Setter函数动态返回配置
对于简单的场景,可以直接在setter属性中使用函数动态返回配置:
{
name: 'dynamicSelect',
title: '动态下拉框',
setter: (target) => {
// 这里可以获取上下文信息或发起请求
const options = fetchOptionsSync(); // 同步获取选项
return [{
componentName: 'SelectSetter',
props: {
options: options
}
}];
}
}
表单字段联动实现
在LowCode-Engine中实现表单字段联动,可以通过以下几种方式:
使用Setter上下文
Setter函数可以接收target参数,通过它可以获取其他字段的值:
{
name: 'dependentField',
title: '依赖字段',
setter: (target) => {
const mainFieldValue = target.parent.getPropValue('mainField');
const options = getOptionsBasedOnValue(mainFieldValue);
return [{
componentName: 'SelectSetter',
props: {
options: options
}
}];
}
}
自定义联动Setter组件
对于复杂的联动逻辑,可以创建专门的联动Setter组件:
const DependentSelectSetter = ({ value, onChange, target }) => {
const mainValue = target.parent.getPropValue('mainField');
const [options, setOptions] = useState([]);
useEffect(() => {
fetch(`/api/options?dep=${mainValue}`)
.then(res => res.json())
.then(setOptions);
}, [mainValue]);
return (
<Select
value={value}
onChange={onChange}
dataSource={options}
/>
);
};
最佳实践建议
-
性能优化:对于频繁变化的依赖字段,考虑添加防抖处理,避免过多请求
-
错误处理:在异步Setter中务必添加错误处理逻辑,展示友好的错误提示
-
缓存机制:对于相同参数的请求结果可以考虑缓存,避免重复请求
-
默认值处理:注意处理异步数据加载完成前的默认值显示问题
-
组件复用:将通用的联动逻辑抽象为高阶组件或自定义Hook
通过以上方式,可以在LowCode-Engine中灵活实现各种动态表单交互需求,构建出功能丰富、用户体验良好的可视化配置界面。
登录后查看全文
热门项目推荐
相关项目推荐
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
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
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!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
522
3.71 K
Ascend Extension for PyTorch
Python
327
384
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++
875
576
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
334
161
暂无简介
Dart
762
184
🎉 (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
1.32 K
744
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
12
1
React Native鸿蒙化仓库
JavaScript
302
349
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
112
134