二十六、【鸿蒙 NEXT】LazyForeach没有刷新

【前言】

上一章我们介绍了@ObservedV2与LazyForeach结合实现动态刷新的效果,这里在上一章代码基础上给出一种场景,虽然LazyForeach中的generateKey变更了,但是列表还是没有刷新的情况。

1、结合Refresh组件实现下拉刷新

我们在展示列表数据时,经常会用到下拉列表刷新的功能,鸿蒙中对应的组件Refresh组件,代码如下:

2、从云测获取数据,并更新页面的状态列表数据

我们数据大多数情况都是从云测获取,而云测定义的一些id,一般都是Long类型,而鸿蒙中的number类型数据长度有限,如果数据过长,可能在将云测数据转为本地数据时,造成id被截断,因此我们经常会用@ohmos/json-bigint组件实现json转换,代码实现如下:

我们假设jsonStr是从云测请求到的数据,且其中的id是19位,因此我们做json转换需要用到json-bigint组件转换,且Message对象中的id定义为string类型,防止number类型接收被截断。注意这里我们json转换完成后,直接通过as转为了Message数据对象,并赋值给了LayForeach的dataSource实现列表的加载

aboutToAppear(): void { let jsonStr = '[{"id":1231231231231231246,"name":"张三","icon":""},{"id":1231231231231231247,"name":"张四","icon":""},{"id":1231231231231231248,"name":"张五","icon":""}]' this.dataSource.addItems(JsonBigInt.parse(jsonStr) as Message[]) } @ObservedV2 class Message { id:string = '' @Trace name:string = '' icon:ResourceStr = '' }

3、下拉刷新实现

如下,我们在Refresh组件的onRefreshing属性中实现下拉刷新的操作,模拟从云测获取json数据,并转换为本地对象数组,重新赋值给lazyForeach组件的dataSource实现列表刷新:

我们可以看到,我们lazyForeach中的generateKey用的是Message的id字段,我们这里打印了id,在刷新逻辑中,我们新增了一个id的数据,并删除了最后一个数据,与aboutAppear中的数据对比,前后两个数据的id肯定是变了。那么我们下拉看下效果

Refresh({refreshing:this.refreshing}){ List({space:10}) { LazyForEach(this.dataSource, (item:Message)=> { ListItem() { Row(){ Image(item.icon || $r('app.media.touxiang1')).height(40).width(40) Text(item.name) } } }, (item:Message) => { console.log(`current id = ${item.id}`) return item.id }) } }.onRefreshing(() => { this.refreshing = true setTimeout(() => { this.refreshing = false let jsonStr = '[{"id":1231231231231231241,"name":"张六","icon":""},{"id":1231231231231231246,"name":"张三","icon":""},{"id":1231231231231231247,"name":"张四","icon":""}]' this.dataSource.refreshItems(JsonBigInt.parse(jsonStr) as Message[]) },2000) })

效果如下:

我们看下generateKey的打印,明显前后的id变了,但是为啥列表没刷新?

4、原因分析

(1)由于我们直接通过as转换类型,实际上即使我们Message中的id定义为string类型,实际还是bigInt数据

(2)LazyForeach组件在刷新前,会对generateKey的返回值类型做判断,如果不是string类型,就直接报错,不会刷新列表,这里和Foreach组件不同,Foreach组件不会做类型判断

5、解决方式

解决方案也很简单,就是将generateKey中的item.id改为item.id.toString()

效果如下:

完整的示例代码如下:DateSource代码参考上一章

import JsonBigInt from '@ohmos/json-bigint' import { DateSource } from './DateSource' @Entry @ComponentV2 struct LazyForeachPage { @Local refreshing:boolean = false dataSource: DateSource<Message> = new DateSource() private index = 1 aboutToAppear(): void { let jsonStr = '[{"id":1231231231231231246,"name":"张三","icon":""},{"id":1231231231231231247,"name":"张四","icon":""},{"id":1231231231231231248,"name":"张五","icon":""}]' this.dataSource.addItems(JsonBigInt.parse(jsonStr) as Message[]) } build() { Column(){ Button('ObservedV2刷新').onClick(() => { this.index++ this.dataSource.getAllData().find(item => item.id === '3')!.name = `张${this.index}` }) Button('原始刷新').onClick(() => { this.index++ this.dataSource.changeData(2,{id:'3', name: `张${this.index}`, icon:$r('app.media.touxiang1')} as Message) }) Refresh({refreshing:this.refreshing}){ List({space:10}) { LazyForEach(this.dataSource, (item:Message)=> { ListItem() { Row(){ Image(item.icon || $r('app.media.touxiang1')).height(40).width(40) Text(item.name) } } }, (item:Message) => { console.log(`current id = ${item.id}`) return item.id.toString() }) } }.onRefreshing(() => { this.refreshing = true setTimeout(() => { this.refreshing = false let jsonStr = '[{"id":1231231231231231241,"name":"张六","icon":""},{"id":1231231231231231246,"name":"张三","icon":""},{"id":1231231231231231247,"name":"张四","icon":""}]' this.dataSource.refreshItems(JsonBigInt.parse(jsonStr) as Message[]) },2000) }) } .padding({left:32}) .height('100%') .width('100%') } } @ObservedV2 class Message { id:string = '' @Trace name:string = '' icon:ResourceStr = '' }

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/1166133.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Qwen2.5-0.5B如何防止提示注入?安全防护部署教程

Qwen2.5-0.5B如何防止提示注入&#xff1f;安全防护部署教程 1. 引言 随着大语言模型在边缘计算和本地部署场景中的广泛应用&#xff0c;基于轻量级模型的AI对话系统正逐步进入企业服务、智能客服和个人助手等领域。Qwen/Qwen2.5-0.5B-Instruct 作为通义千问系列中体积最小&a…

fft npainting lama性能压测报告:QPS与延迟指标分析

fft npainting lama性能压测报告&#xff1a;QPS与延迟指标分析 1. 测试背景与目标 随着图像修复技术在内容创作、数字资产管理等领域的广泛应用&#xff0c;基于深度学习的图像修复系统对实时性与稳定性的要求日益提升。fft npainting lama 是一款基于 FFT&#xff08;快速傅…

2025年3月GESP真题及题解(C++八级): 割裂

2025年3月GESP真题及题解(C八级): 割裂 题目描述 小杨有一棵包含 $ n $ 个节点的树&#xff0c;其中节点的编号从 $ 1 $ 到 $ n $。 小杨设置了 $ a $ 个好点对 {⟨u1,v1⟩,⟨u2,v2⟩,…,⟨ua,va⟩}\{\langle u_1, v_1 \rangle, \langle u_2, v_2 \rangle, \dots, \langle u_…

Emotion2Vec+ Large智能家居控制?语音情绪触发指令设想

Emotion2Vec Large智能家居控制&#xff1f;语音情绪触发指令设想 1. 引言&#xff1a;从情感识别到智能交互的跃迁 随着人工智能技术的发展&#xff0c;语音交互已不再局限于“唤醒词命令”的固定模式。用户期望更自然、更具感知能力的人机交互方式。Emotion2Vec Large 作为…

语音识别避坑指南:Fun-ASR-MLT-Nano-2512常见问题全解

语音识别避坑指南&#xff1a;Fun-ASR-MLT-Nano-2512常见问题全解 你有没有遇到过这种情况&#xff1a;刚部署完 Fun-ASR-MLT-Nano-2512&#xff0c;满怀期待地上传一段粤语音频&#xff0c;结果返回空识别结果&#xff1f;或者服务启动后 CPU 占用飙到 300%&#xff0c;日志里…

SGLang动态批处理:请求合并优化实战指南

SGLang动态批处理&#xff1a;请求合并优化实战指南 1. 引言 1.1 业务场景描述 在大模型推理服务部署过程中&#xff0c;随着用户请求数量的快速增长&#xff0c;系统吞吐量和响应延迟成为关键瓶颈。尤其是在多轮对话、任务规划、结构化数据生成等复杂场景下&#xff0c;传统…

Whisper Large v3语音增强:基于深度学习的降噪技术

Whisper Large v3语音增强&#xff1a;基于深度学习的降噪技术 1. 引言 1.1 技术背景与行业需求 在多语言交流日益频繁的今天&#xff0c;语音识别技术已成为跨语言沟通、会议记录、内容创作和无障碍服务的核心工具。然而&#xff0c;真实场景中的音频往往伴随着环境噪声、回…

GPEN镜像使用小技巧,提升修复效率两倍

GPEN镜像使用小技巧&#xff0c;提升修复效率两倍 1. 引言 在人像修复与增强领域&#xff0c;GPEN&#xff08;GAN-Prior based Enhancement Network&#xff09;凭借其基于生成先验的空域学习机制&#xff0c;在保持人脸结构一致性的同时实现了高质量的超分辨率重建。然而&a…

开发者效率提升:IndexTTS-2-LLM自动化测试部署教程

开发者效率提升&#xff1a;IndexTTS-2-LLM自动化测试部署教程 1. 引言 1.1 学习目标 本文旨在为开发者提供一套完整的 IndexTTS-2-LLM 智能语音合成系统 的本地化部署与自动化测试实践方案。通过本教程&#xff0c;您将掌握&#xff1a; 如何快速部署基于 kusururi/IndexT…

AI图像增强标准建立:Super Resolution质量评估体系

AI图像增强标准建立&#xff1a;Super Resolution质量评估体系 1. 引言&#xff1a;AI超清画质增强的技术演进与挑战 随着数字内容消费的爆发式增长&#xff0c;用户对图像质量的要求持续提升。从老照片修复到移动端低带宽图片加载&#xff0c;低分辨率图像的视觉还原问题已成…

结合Multisim数据库的电路分析教学改革:深度剖析

从“做实验”到“看数据”&#xff1a;当电路分析课遇上Multisim数据库你有没有遇到过这样的场景&#xff1f;学生交上来的实验报告&#xff0c;波形图贴得整整齐齐&#xff0c;数据分析也写得头头是道。可当你问他&#xff1a;“你是怎么调出示波器的触发点的&#xff1f;”他…

SGLang-v0.5.6环境备份术:云端快照随时回滚不怕错

SGLang-v0.5.6环境备份术&#xff1a;云端快照随时回滚不怕错 你是不是也遇到过这种情况&#xff1f;刚在服务器上配好SGLang环境&#xff0c;跑通了第一个推理任务&#xff0c;正准备继续深入学习&#xff0c;结果一不小心执行了一条错误命令&#xff0c;把Python依赖全搞乱了…

支持实时录音与批量处理|深度体验科哥版FunASR语音识别WebUI

支持实时录音与批量处理&#xff5c;深度体验科哥版FunASR语音识别WebUI 1. 引言&#xff1a;中文语音识别的轻量化落地实践 在智能语音技术快速发展的今天&#xff0c;高精度、低延迟的语音识别系统正广泛应用于会议记录、视频字幕生成、客服质检等多个场景。然而&#xff0…

Z-Image-Turbo图像格式输出说明,目前仅支持PNG

Z-Image-Turbo图像格式输出说明&#xff0c;目前仅支持PNG 1. 概述与背景 阿里通义Z-Image-Turbo WebUI图像快速生成模型是由开发者“科哥”基于DiffSynth Studio框架进行二次开发的高性能AI图像生成工具。该模型在保持高质量输出的同时&#xff0c;显著提升了推理速度&#…

FSMN-VAD实测:10秒静音自动过滤无压力

FSMN-VAD实测&#xff1a;10秒静音自动过滤无压力 在语音识别、会议记录、智能助手等应用中&#xff0c;原始音频往往包含大量无效的静音片段。这些冗余数据不仅浪费存储空间&#xff0c;还会拖慢后续处理流程。如何高效地从长音频中精准提取有效语音段&#xff1f;本文将带你…

FST ITN-ZH中文ITN模型实战|WebUI批量处理文本标准化任务

FST ITN-ZH中文ITN模型实战&#xff5c;WebUI批量处理文本标准化任务 1. 简介与应用场景 1.1 什么是逆文本标准化&#xff08;ITN&#xff09; 逆文本标准化&#xff08;Inverse Text Normalization, ITN&#xff09;是将自然语言中的非规范表达转换为标准格式的过程。在语音…

超越LLM全能主义:构建模块化NLP系统的务实之道

反对LLM全能主义 许多人在用大型语言模型&#xff08;LLM&#xff09;构建真正的新事物&#xff0c;比如以前不可能实现的、狂野的互动小说体验。但如果你正在解决企业长期以来一直试图解决的同类自然语言处理&#xff08;NLP&#xff09;问题&#xff0c;使用它们的最佳方式是…

BGE-M3微调入门:Colab跑不动?云端GPU轻松搞定

BGE-M3微调入门&#xff1a;Colab跑不动&#xff1f;云端GPU轻松搞定 你是不是也遇到过这种情况&#xff1a;在Google Colab上微调BGE-M3模型&#xff0c;训练到一半突然断连&#xff0c;显存爆了&#xff0c;进度全丢&#xff1f;更气人的是&#xff0c;免费版根本没法保存中…

模型服务高可用:阿里图片旋转判断的灾备方案设计

模型服务高可用&#xff1a;阿里图片旋转判断的灾备方案设计 1. 背景与问题定义 1.1 图片旋转判断的技术挑战 在现代图像处理系统中&#xff0c;图片方向不一致是一个常见但影响深远的问题。用户上传的照片可能由于设备传感器&#xff08;如EXIF信息&#xff09;未正确解析而…

Keil5添加文件核心要点:面向工控开发者

Keil5添加文件实战指南&#xff1a;工控开发者的高效工程管理之道在工业控制系统的嵌入式开发中&#xff0c;我们常常面对一个看似简单却暗藏玄机的问题&#xff1a;为什么加个.c文件会编译失败&#xff1f;头文件明明就在旁边&#xff0c;怎么还是“找不到”&#xff1f;如果你…