layui tree 做权限时,复选框如何根据条件来判断是否选中,谢谢各位大神的指点,ASP MVC

为爱打拼 为爱打拼 墨衍会员 · AI 创作全网分发 墨衍智能分发 通过墨衍一键同步至各平台 可同步平台 CSDN微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年,写一次发全网 我也要 + 加入社区
//下面为后台获取树JSON格式的方法,但不知如何去判断checked是否被选中,如果直接设置为@checked=true,则所有的节点都会被选中
我想的结果是只根据条件来选中,并返回给前端显示.

public ActionResult GetRoleAuthMenu(int RoleID)
{
//1.查旬所有权限
var allData = authorize.Select(u=>true);
var allsum = allData.Count();//总行数

//2.查询要给角色分配权限时,该角色已经拥有的权限
var rolData = roleauth.Select(u=>u.RoleID==RoleID);
var rolsum = rolData.Count();//总行数

//3.查询数状结构数据
bool ck = false;//复选框是否选中状态
var mydata = from x in allData
where x.ParentID == 0 && x.Type == "菜单"
select new
{
//第一层根节点
id = x.AuthID,
ParentID = x.ParentID,
title = x.AuthName,
spread = true,
children = from y in allData
where y.ParentID == x.AuthID
select new
{
//第二层
id = y.AuthID,
ParentID = y.ParentID,
title = y.AuthName,
spread = true,
children = from z in allData
where z.ParentID == y.AuthID
select new
{
//第三层
id = z.AuthID,
ParentID = z.ParentID,
title = z.AuthName,
spread = true,
@checked = ck //此处ck需根据条件来显示是否选中复选框,如果直接设置@checked =true,
//会把所有的复选框都选中了

}
}
};

return Json(mydata, JsonRequestBehavior.AllowGet);

}
...全文

相关推荐

基于LayUI+SpringMVC的快速开发框架源码.zip

基于LayUI+SpringMVC的快速开发框架源码.zip

老了敲不动了

ASP.NET MVC实现树形展示:递归算法与LayUI tree实战

树形数据结构是软件系统中组织层级信息的基础,如组织架构、权限菜单和分类目录。其核心原理是通过递归算法将扁平化的数据库记录转换为嵌套的层级模型,从而实现高效的数据组织与渲染。在Web开发中,树形组件的合理选用直接影响开发效率与用户体验,LayUI tree、zTree与jsTree等主流方案各有优势,适合不同技术栈。尤其在ASP.NET MVC项目中,后端递归生成嵌套JSON,前端配合LayUI tree渲染,能够替代传统WebForms的TreeView控件,实现权限树、分类树等功能。同时,还需处理懒加载、

鄂奎阿

BS基础概念学习MVC、MVP等

BS基础概念学习MVC、MVP等

HZXI00

科技成果进场交易前,评估备案环节需要准备哪些材料?.docx

科易网基于40亿+科创知识图谱数据库,深度探索AI技术在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,研究科技创新领域的AI+数智化解决方案,推动科技创新与产业创新智能化发展。

BIZKEEN

人工智能基于类型化方法的训练数据获取与处理体系:构建数据中心化AI治理框架

内容概要:本文从类型化视角系统研究了人工智能训练数据的获取与处理体系,提出应构建多元化、高质量、合规有序的数据供给体系。文章首先分析数据获取的三种类型:来源类型(网络公开抓取、开源数据集、多源协同)、合规性类型(合法性困境与制度供给)以及产业组织类型(“隐身劳动”到多元协作)。随后构建数据处理的类型化体系,包括四方面:阶段类型(从“生语料”到“归档数据集”的五阶段流程)、操作类型(形成包含采集、清洗、标注、脱敏、去重、切片、向量化等在内的“数据操作工具箱”)、范式类型(推动从“模型中心”向“数据中心”的范式转型),以及管理类型(建立覆盖全生命周期的治理框架)。最后指出,AI治理正迈向以数据为中心的新范式,需通过制度完善、产业协同、技术创新与监管强化实现系统性突破。; 适合人群:从事人工智能研发、数据治理、算法合规及相关政策研究的专业人员,尤其适用于AI企业技术管理者、数据科学家、法律合规从业者及政府监管部门人员。; 使用场景及目标:①理解AI训练数据获取的合法路径与产业协作模式;②掌握数据处理的全流程阶段划分与核心技术操作;③推动“数据为中心”的AI开发范式转型;④构建符合法律与伦理要求的全生命周期数据治理体系。; 阅读建议:此资源理论与实践结合紧密,建议读者结合实际项目中的数据采集、清洗、标注与合规流程进行对照学习,并重点关注“数据操作工具箱”与“数据中心AI”范式,以提升数据工程化能力和治理水平。

王大师王文峰
评论 1
收藏 已收藏
分享
返回顶部
为爱打拼
ASP 28,401 成员 356,940 内容