Semi-Design 树形控件动态设置默认选中项的实现方案
前言
在 Semi-Design 组件库中,Tree 树形控件是一个常用的交互组件,它能够以层级结构展示数据并支持节点选择。在实际开发中,我们经常会遇到需要动态设置默认选中项的需求,比如从接口获取数据后初始化选中状态。本文将详细介绍如何在 Semi-Design 中实现这一功能。
默认属性与受控属性的区别
Semi-Design 的 Tree 组件提供了两种设置选中项的方式:
-
defaultValue/defaultCheckedKeys:这些以
default
开头的属性只在组件初次渲染时生效,后续的更新不会影响组件的选中状态。这种设计符合 React 的受控组件模式,default
系列属性仅用于初始化。 -
value/checkedKeys:这些属性使组件成为受控组件,开发者可以通过 state 完全控制组件的选中状态,任何更新都会反映在 UI 上。
实现动态设置选中项的正确方式
要实现动态设置选中项,应该使用受控模式而非 defaultValue。以下是具体实现方案:
const [checkedKeys, setCheckedKeys] = useState([]);
// 从接口获取数据后更新选中状态
useEffect(() => {
async function fetchData() {
const response = await fetch('/api/checked-items');
const data = await response.json();
setCheckedKeys(data.checkedKeys);
}
fetchData();
}, []);
// 渲染树形控件
<Tree
treeDataSimpleJson={treeData}
checkedKeys={checkedKeys}
multiple
filterTreeNode
showFilteredOnly={true}
onChange={(keys) => setCheckedKeys(keys)}
style={{
width: '100%',
height: 500,
border: '1px solid var(--semi-color-border)',
}}
emptyContent="暂无数据"
/>
常见问题解决方案
-
数据加载时机问题:如果树数据和选中项数据是异步获取的,需要确保两者都加载完成后再渲染组件。可以使用条件渲染或加载状态来处理。
-
性能优化:对于大型树结构,频繁更新选中状态可能导致性能问题。可以考虑使用
useMemo
优化树数据的处理,或使用shouldUpdate
相关的性能优化手段。 -
数据一致性:确保传入的选中项 keys 与树数据中的节点 key 匹配,否则可能导致选中状态不生效。
最佳实践建议
-
始终优先考虑使用受控模式(value/checkedKeys)而非 defaultValue,除非你确定选中状态在组件生命周期内不会改变。
-
对于复杂的树形结构,考虑将树数据和选中状态管理封装成自定义 Hook,提高代码复用性。
-
在异步场景下,添加适当的加载状态和错误处理,提升用户体验。
-
定期检查 Semi-Design 的更新日志,了解 Tree 组件的最新特性和优化。
通过以上方案,开发者可以灵活地实现树形控件选中状态的动态管理,满足各种业务场景需求。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
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!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









