上一节我们实现了固定尺寸的虚拟列表,这一节我们增加难度,实现一个不固定尺寸的虚拟列表。
需求
实现一个不固定大小尺寸的虚拟列表。
使用方式如下:
const rowHeights = new Array(1000)
.fill(true)
.map(() => 25 + Math.round(Math.random() * 50));
const getItemSize = index => rowHeights[index];
const Row = ({ index, style }) => (
<div style={style}>Row {index}</div>
);
const Example = () => (
<List
height={150}
itemCount={1000}
itemSize={getItemSize}
width={300}
>
{Row}
</List>
);
分析
想想尺寸大小不固定 和 上一节的固定尺寸有那些异同?
考虑一下,我们发现整个流程逻辑都是一样的,除了计算 每个元素定位的时候,因为尺寸不一样,导致的计算方式不一样。尺寸不一致要求我们去遍历累积计算每一个元素真实的大小和位置。
简单说就是在 固定尺寸的基础实现上,更新一下 辅助计算函数。
实现原理
- 因为是不固定尺寸,所以需要从索引0开始计算 每一条数据对应的offset和size,这样顺序往后,就分成了,已经计算过的 和 未计算过的。
- 已经计算过的用一个对象缓存下来,后续使用的使用,直接从缓存里取用。
- 在onScroll滚动的事件里,需要根据offset查找对应的startIndex的offset,这里有两种情况,已经缓存过,那从缓存区间里查找即可,可以利用二分查找法提高搜索效率。如果没有缓存过,那么可以使用 指数查找法缩小查找范围区间,然后再用二分查找法搜索
实现
根绝上一节讲的,我们需要实现以下几个辅助函数:
// 根据索引获取 位置偏移
getItemOffset(index) {}
// 根据索引获取 元素尺寸大小
getItemSize(index) {}
// 获取预估总尺寸
getEstimatedTotalSize() {}
// 根据 滚动位置offset 获取 数据区间开始 索引startIndex
getStartIndexForOffset(offset) {}
// 根据数据开始索引startIndex 获取 数据区间 结束索引endIndex
getStopIndexForStartIndex() {}
先往实例上挂载一些属性,用来缓存测量过的数据:
instance.instanceProps = {
itemMetadataMap: {}, // 缓存对象
estimatedItemSize: estimatedItemSize, // 每一项给出的默认size
lastMeasuredIndex: -1, // 已领测量到的元素索引
};
然后我们添加一个辅助方法,用来获取每一个item对应的信息,有缓存取缓存,没有就计算保存,如下:
getItemMetadata(props, index, instanceProps) {
const { itemSize } = props;
const { itemMetadataMap, lastMeasuredIndex } = instanceProps;
// itemMetadataMap缓存 每一项的size 以及偏移
if (index > lastMeasuredIndex) {
let offset = 0; // 默认,第一个元素偏移0
// 初始化获取offset,下面for循环的基准值
if (lastMeasuredIndex >= 0) {
const itemMetadata = itemMetadataMap[lastMeasuredIndex];
offset = itemMetadata.offset + itemMetadata.size;
}
for (let i = lastMeasuredIndex + 1; i <= index; i++) {
let size = itemSize(i);
itemMetadataMap[i] = {
offset,
size,
};
offset += size;
}
instanceProps.lastMeasuredIndex = index;
}
return itemMetadataMap[index];
}
然后逐个实现上述辅助函数
getItemOffset && getItemSize
// 根据索引获取 位置偏移
getItemOffset: (index) => getItemMetadata(props, index, instanceProps).offset
// 根据索引获取 元素尺寸大小
getItemSize: (index) =>
instanceProps.itemMetadataMap[index].size
getEstimatedTotalSize
// 使用已经缓存过得精确数据 + 未测量的预估数据
const getEstimatedTotalSize = (
{ itemCount },
{ itemMetadataMap, estimatedItemSize, lastMeasuredIndex }
) => {
let totalSizeOfMeasuredItems = 0;
if (lastMeasuredIndex >= 0) {
const itemMetadata = itemMetadataMap[lastMeasuredIndex];
totalSizeOfMeasuredItems = itemMetadata.offset + itemMetadata.size;
}
const numUnmeasuredItems = itemCount - lastMeasuredIndex - 1;
const totalSizeOfUnmeasuredItems = numUnmeasuredItems * estimatedItemSize;
return totalSizeOfMeasuredItems + totalSizeOfUnmeasuredItems;
};
getStartIndexForOffset
getStartIndexForOffset: (props, offset, instanceProps) =>
findNearestItem(props, instanceProps, offset)
这里需要着重说明一下,搜索算法:
const findNearestItem = (props, instanceProps, offset) => {
const { itemMetadataMap, lastMeasuredIndex } = instanceProps;
// 获取已经测量过的最后一个元素的offset偏移
const lastMeasuredItemOffset =
lastMeasuredIndex > 0 ? itemMetadataMap[lastMeasuredIndex].offset : 0;
if (lastMeasuredItemOffset >= offset) {
// 查询目标在 已经测量过的范围内,直接使用二分查找算法
return findNearestItemBinarySearch(
props,
instanceProps,
lastMeasuredIndex,
0,
offset
);
} else {
// 查询目标在未测量区,使用指数查找内嵌二分查找
// 指数查找主要是避免搜索计算整个数据区间
return findNearestItemExponentialSearch(
props,
instanceProps,
Math.max(0, lastMeasuredIndex),
offset
);
}
};
// 二分查找算法的实现,没什么好讲的。
const findNearestItemBinarySearch = (
props,
instanceProps,
high,
low,
offset
) => {
while (low <= high) {
const middle = low + Math.floor((high - low) / 2);
const currentOffset = getItemMetadata(props, middle, instanceProps).offset;
if (currentOffset === offset) {
return middle;
} else if (currentOffset < offset) {
low = middle + 1;
} else if (currentOffset > offset) {
high = middle - 1;
}
}
if (low > 0) {
return low - 1;
} else {
return 0;
}
};
// 指数查找 算法,没什么好说的。
const findNearestItemExponentialSearch = (
props,
instanceProps,
index,
offset
) => {
const { itemCount } = props;
let interval = 1;
while (
index < itemCount &&
getItemMetadata(props, index, instanceProps).offset < offset
) {
index += interval;
interval *= 2;
}
return findNearestItemBinarySearch(
props,
instanceProps,
Math.min(index, itemCount - 1),
Math.floor(index / 2),
offset
);
};
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用
。你还可以使用@
来通知其他用户。