Nano Hash - криптовалюты, майнинг, программирование

PrimeNG datatable globalFilter ограничения

Есть ли способ ограничить некоторые поля из поиска globalFilter?

в моем коде у меня есть таблица данных с несколькими столбцами, некоторые из этих столбцов - это временные метки, createTime, endTime, ModificationTime.

я использую такой шаблон:

<p-column field="modificationTime" header="Last modified" [sortable]="true">
  <template let-col let-service="rowData" pTemplate="body">
    <span>{{ service.modificationTime | date:"dd/MM/yyyy HH:mm" }}</span>
  </template>
</p-column>

чтобы отобразить его в удобочитаемом формате.

Но когда я ищу в globalFilter, я получаю результаты относительно timeStamp, а не отображаемого формата. Могу ли я игнорировать эти поля при поиске globalFilter. (я не могу выполнить форматирование перед связыванием, в этом случае сортировка будет работать неправильно).

Спасибо


Ответы:


1

No

Я создал «запрос функции» на их GitHub: https://github.com/primefaces/primeng/issues/4157

ОБНОВЛЕНИЕ: оно должно быть в следующем выпуске

12.10.2017
Новые материалы

Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..

Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..

Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..

Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..

Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..

Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..

Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..