1、效果
是你要的效果,咱们继续往下看,搜索面板实现省市区下拉,原本有antd的Cascader组件,但是级联组件必须选到子节点,不能只选省,满足不了页面的需求
2、环境准备
1、react18
2、antd 4+
3、功能实现
原理:封装一个受控组件,该组件就是两select基本组件
1、首先,导入需要的组件:
import { Select, Space, Tag } from 'antd';
2、定义2个状态变量来存储选中省和市的下拉枚举
const [firstOptions, setFirstOptions] = useState([]);
const [secondOptions, setSecondOptions] = useState([]);
3、组件可接收的props子属性 如下:
- options: 省市级联数据
- value: 已选中的值
- width:slect框的宽度
- firstPlaceholder 第一个select框的placeholder
- secondPlaceholder第二个select框的placeholder
- onChange: 选中的值发生变化时回调
4、创建handleFirstChange函数来处理第一个select框的change事件,更新第二个select框的下拉项和值
// 第一个select生变化
const handleFirstChange = (data: any) => {
if (!isEmpty(data) && data.value) {
let insertIndex = (options || []).findIndex((item: any) => {
return item?.value === data?.value;
});
setSecondOptions(options?.[insertIndex]?.children || []);
onChange({ first: [data] });
} else {
setSecondOptions([]);
onChange(null);
}
};
5、创建onSecondChange函数来处理第二个select框的change事件,将选中的值回传给父组件
// 第二个select发生变化
const onSecondChange = (data: any) => {
if (!isEmpty(value) && value.first) {
服务器托管网 if (!isEmpty(data)) {
onChange({
...value,
second: mode === 'multiple' ? (data || []).filter((item: any) => !isNil(item?.label)) : [data],
});
} else {
onChange({ first: value.first, second: null });
}
} else {
onChange(null);
}
};
6、最后,使用2个select
组件渲染,并将选中状态和change事件绑定到对应的属性上:
return (
{ width: width }}
onChange={handleFirstChange}
placeholder={firstPlaceholder || '请选择'}
value={value?.first}
options={firstOptions}
labelInValue
allowClear
/>
{ width: width }}
value={value?.second || []}
onChange={onSecondChange}
placeholder={secondPlaceholder || '请选择'}
options={secondOptions}
{...mode === "multiple" ? { mode: "multiple", maxTagCount: 'responsive', tagRender: tagRender } : {}}
labelInValue
allowClear
/>
>
)
7、完整代码如下:
import { Select, Space, Tag } from 'antd';
import clsx from 'clsx';
import { isEmpty, i服务器托管网sNil } from 'lodash';
import { useEffect, useState } from 'react';
import './index.less';
const MultipleCascaderSelect = (props: any) => {
const {
options,
value,
onChange,
width = 160,
firstPlaceholder,
secondPlaceholder,
mode = 'multiple'
} = props;
const [firstOptions, setFirstOptions] = useState([]);
const [secondOptions, setSecondOptions] = useState();
useEffect(() => {
setFirstOptions(options || []);
if (Array.isArray(value?.first) && value.first.length) {
let findIndex = (options || []).findIndex((item: any) => {
return item.value === value.first?.[0].value;
});
setSecondOptions(options[findIndex]?.children || []);
} else {
setSecondOptions([]);
}
}, [options, value]);
// 第一个select生变化
const handleFirstChange = (data: any) => {
if (!isEmpty(data) && data.value) {
let insertIndex = (options || []).findIndex((item: any) => {
return item?.value === data?.value;
});
setSecondOptions(options?.[insertIndex]?.children || []);
onChange({ first: [data] });
} else {
setSecondOptions([]);
onChange(null);
}
};
// 第二个select发生变化
const onSecondChange = (data: any) => {
if (!isEmpty(value) && value.first) {
if (!isEmpty(data)) {
onChange({
...value,
second: mode === 'multiple' ? (data || []).filter((item: any) => !isNil(item?.label)) : [data],
});
} else {
onChange({ first: value.first, second: null });
}
} else {
onChange(null);
}
};
const tagRender = ({ label, closable, onClose }: any) => {
const isLongTag = `${label}`.length > 4;
return (
{isLongTag ? `${label.slice(0, 4)}...` : label}
{/* {isLongTag ? (
{label.slice(0, 4)}...
) : (
{label}
)} */}
);
};
return (
{ width: width }}
onChange={handleFirstChange}
placeholder={firstPlaceholder || '请选择'}
value={value?.first}
options={firstOptions}
labelInValue
allowClear
/>
{ width: width }}
value={value?.second || []}
onChange={onSecondChange}
placeholder={secondPlaceholder || '请选择'}
options={secondOptions}
{...mode === "multiple" ? { mode: "multiple", maxTagCount: 'responsive', tagRender: tagRender } : {}}
labelInValue
allowClear
/>
>
);
};
export default MultipleCascaderSelect;
组件调用
服务器托管,北京服务器托管,服务器租用 http://www.fwqtg.net
相关推荐: 语义分割 | 基于 VGG16 预训练网络和 Segnet 架构实现迁移学习
Hi,大家好,我是源于花海。本文主要使用数据标注工具 Labelme 对猫(cat)和狗(dog)这两种训练样本进行标注,使用预训练模型 VGG16 作为卷积基,并在其之上添加了全连接层。基于标注样本的信息和预训练模型的特征提取能力以及 Segnet 架构,训…