AG-Grid树形数据拖拽时的展开状态保持技术解析
2025-05-16 21:15:08作者:滕妙奇
背景介绍
AG-Grid作为一款功能强大的数据表格组件,在处理树形结构数据时提供了丰富的交互功能。其中,行拖拽功能与树形数据结构的结合是一个常见的业务场景。然而,开发者在实现这一功能时经常会遇到一个典型问题:在拖拽操作后,树形结构的展开状态无法保持,导致用户体验不佳。
问题现象
当用户对AG-Grid中的树形数据进行拖拽操作时,虽然数据位置能够正确更新,但所有节点的展开状态会被重置。这意味着原本展开的节点可能会意外折叠,或者折叠的节点会被自动展开,破坏了用户的操作预期。
技术原理分析
AG-Grid的树形数据结构通过treeData属性开启,配合getDataPath方法定义节点的层级关系。行拖拽功能则通过rowDrag属性实现。当数据更新时,默认情况下组件会重新渲染整个树结构,导致展开状态丢失。
解决方案
状态保存与恢复机制
要实现拖拽过程中的展开状态保持,需要建立一套状态保存与恢复机制:
- 状态捕获:在数据更新前,遍历所有节点并记录当前展开状态
- 状态存储:将展开节点的唯一标识符(通常是id)保存到临时数组中
- 状态恢复:在数据更新完成后,根据保存的标识符重新设置节点展开状态
核心代码实现
// 保存当前展开状态
const storeExpansionState = useCallback(() => {
const expandedIds = [];
gridRef.current.api.forEachNode((node) => {
if (node.expanded && node.data?.id) {
expandedIds.push(node.data.id);
}
});
return expandedIds;
}, []);
// 恢复展开状态
const restoreExpansionState = useCallback((expandedIds) => {
gridRef.current.api.forEachNode((node) => {
if (node.data && expandedIds.includes(node.data.id)) {
node.setExpanded(true);
}
});
}, []);
// 拖拽结束处理
const onRowDragEnd = useCallback((event) => {
const expandedIds = storeExpansionState();
// 更新数据逻辑...
// 异步恢复状态
setTimeout(() => {
restoreExpansionState(expandedIds);
}, 100);
}, [storeExpansionState, restoreExpansionState]);
关键配置项
除了上述逻辑外,还需要注意以下配置:
getRowNodeId:必须正确定义,用于标识节点唯一性rememberGroupStateWhenNewData:设置为true可帮助保持部分状态- 适当的延迟恢复:使用setTimeout确保在数据更新完成后再恢复状态
性能优化建议
- 批量操作:对于大规模数据,考虑使用批量状态恢复
- 防抖处理:高频拖拽时添加防抖逻辑
- 局部更新:尽可能只更新受影响节点的状态
总结
通过实现状态保存与恢复机制,开发者可以完美解决AG-Grid树形数据拖拽时的展开状态保持问题。这一方案不仅适用于简单的树形结构,也可以扩展应用到更复杂的业务场景中。关键在于理解AG-Grid的生命周期和数据更新机制,在适当的时机捕获和恢复UI状态。
在实际项目中,建议将此功能封装为可复用的高阶组件或自定义hook,以提高代码的可维护性。同时,根据具体业务需求,可以进一步扩展状态保持的范围,如选中等其他交互状态。
登录后查看全文
热门项目推荐
相关项目推荐
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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-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
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
项目优选
收起
deepin linux kernel
C
24
9
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
🔥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
62
20
暂无简介
Dart
659
150
🎉 (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
1.17 K
644
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
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++
657
293
仓颉编译器源码及 cjdb 调试工具。
C++
131
865
React Native鸿蒙化仓库
JavaScript
251
320
仓颉编程语言运行时与标准库。
Cangjie
138
874