antd Table点击整行选中

2023-09-13
1721 分钟
...

前言

antd官网例子上默认是点击checkbox或者radio才会选中,这对体验上来说有点不太方便,所以需求是要做成点击Table的整行直接触发选中。

其实官方也有给了个例子:codesandbox.io/s/000vqw38r…,这是使用class写的checkbox框。

但是我项目是使用hooks的,而且是个radio框,所以就自己写了个

实现

这个其实没啥好多说的,直接看代码好了

import React, { useState } from 'react' 
import { Table } from 'antd';
const AddrList = (props) => {   
  //const [selectedRows, setSelectedRows] = useState([])
  const [selectedRowKeys, setSelectedRowKeys] = useState([])  
  const onSelectChange = (selectedRowKeys, selectedRows) => {     
    //setSelectedRows(selectedRows)     
    setSelectedRowKeys(selectedRowKeys)   }   
  const rowSelection = {     
    type: 'radio',    
    selectedRowKeys,    
    onChange: onSelectChange  
  }     // 点击整行选择  
  const onSelectRow = (record) => {  
    const selectedList = [...selectedRowKeys]
    if (selectedList[0] === record.id) return     selectedList[0] = record.id     //setSelectedRows([record])   
    setSelectedRowKeys(selectedList)   
  }     return (    
    <Table          
      rowKey={(row) => row.id}      
      columns={columns}         
      dataSource={list}         
      rowSelection={rowSelection}      
      onRow={(record) => ({         
        onClick: () => onSelectRow(record)     
      })}       
      />   
  )
}

完事~

如果您觉得这篇文章有帮助,请点个赞吧~

分享文章

相关文章

更多文章 →
antd2023-07-19
antd Select下拉滚动加载
(遇到的需求:使用antd Select选择器时,后端数据量非常大 类似这种: <img width="227" height="330" src="../../ resources/fae1c8cd50424ca2a76fd5e30fbd8722 6d84351261fe4b71a.webp" class="jop noMdConv" 准备的解决方法:后端数据分页,前端下拉滚动加载 用到的api: <img width="756" h...
学习
AI2026-09-01
Deep Agents 01:何为 Agent Harness,以及如何开始
1、本篇任务:完成一份多步骤、带证据的技术调研 普通客服 Agent 的问题短、工具少、输出即时。技术调研或编码任务会持续很久,产生计划、搜索结果、文件和中间结论。Deep Agents 在 LangChain/LangGraph 之上预装规划、虚拟文件系统、上下文压缩和子 Agent,适合这类开放任务。 本课让 Agent 比较两种向量数据库,并交付一份可验证报告。 2、什么时候需要 Deep Agent 满足以下两项以上再考虑:任务...
学习
AI2026-09-01
Deep Agents 02:子 Agent、虚拟文件系统与长期记忆
1、本篇任务:让主管只看结论,让子 Agent 处理细节 技术调研会产生几十次搜索和大量文件。如果全部进入主管上下文,真正的目标会被噪音淹没。本课用两个子 Agent: 收集证据, 检查结论;主管负责计划与最终合成。 2、什么时候委派,什么时候直接调用工具 适合委派:子任务有多步;需要专门提示或工具;会产生大量中间结果;只需返回有限结论。不适合:一步查询;主管需要全部中间上下文;协调成本超过任务本身。 3、配置专门子 Agent Pyt...
学习
AI2026-09-01
Deep Agents 03:生产化、Sandbox、权限与上线验收
1、本篇任务:让 Deep Agent 在隔离环境中分析代码 只读研究 Agent 风险有限;编码 Agent 需要读写文件、安装依赖和执行测试。本课不讲如何让模型写更漂亮的代码,只讲执行环境、权限、恢复和上线验收。 2、先做威胁模型 资产包括源代码、用户文件、云凭证、生产网络和发布权限;攻击入口包括用户消息、仓库内容、网页、依赖包、MCP 返回和命令输出。 Prompt injection 不是靠一句 system prompt 解决...
学习
AI2026-09-01
LangChain 01:全景、原理与学习路线
1、本篇学完要得到什么 这一篇只解决三个问题:LangChain 到底负责什么;它与 LangGraph、Deep Agents、LangSmith 是什么关系;后面应按什么顺序学习。 贯穿整套课程的项目是“退款政策与订单助手”。它最终能够:回答知识库中的退款规则;查询当前用户的订单;生成结构化答复;对真正的退款操作进行人工审批;断线后恢复;通过评测后发布。 先记住一句话: 模型负责理解与生成,应用负责数据、权限、状态和副作用。 如果把...
学习
AI2026-09-01
LangChain 02:模型、消息与结构化输出
1、本篇任务:让模型输出成为程序可以依赖的合同 上一课只证明 Agent 能运行。本课暂时不接业务工具,只完成一个“客服分诊器”:输入用户问题,输出意图、紧急程度、是否需要人工和给用户的答复。 本课的核心不是学更多模型参数,而是理解三层合同:消息决定模型看到了什么;schema 决定程序期待什么;业务校验决定结果是否真的可用。 2、消息不是一段字符串,而是一条执行记录 一次工具型对话通常包含四种消息: | 类型 | 由谁产生 | 作用...
学习

评论

请登录后发表评论

去登录
加载评论中...

目录