Nano Hash - криптовалюты, майнинг, программирование

AngularFire2 извлекает данные объекта не работает, но данные списка работают

Я пытаюсь прочитать данные из Firebase, используя AngularFire2 в Typescript. Мой код работает с асинхронным каналом при получении списка данных, но при получении объекта я не могу получить доступ к содержимому.

Структура данных в Firebase: (myapp.firebaseio.com/LeagueStandings) Консоль Firebase, показывающая данные

Подмножество кода:

import { Component } from '@angular/core';
import { AngularFireDatabase, FirebaseObjectObservable } from 'angularfire2/database';

Standings: FirebaseObjectObservable<any[]>;
constructor(public FirebaseData:AngularFireDatabase) {
    this.Standings = FirebaseData.object('/LeagueStandings');
    // Added the following to see the debug
    this.Standings.subscribe(data => { 
        console.log(data); 
    });
}

Бит образца HTML:

<ion-col><ion-badge color="secondary">{{Standings.Wins | async }}</ion-badge></ion-col>

Проблема в том, что данные никогда не отображаются. Однако то же самое с данными массива (например, статистика отдельных игр) с использованием FirebaseData.list действительно работает. Я не знаю, как легко извлечь структуру данных для отображения страницы.

Добавление дампа консоли показывает, что данные возвращаются из Firebase, но мой home.html не обновляется.

![Консоль отладки


  • Где вы устанавливаете LeagueInfo? 12.06.2017
  • Извините, это была опечатка, скопированная из редактирования кода в небольшой образец. Я обновил HTML, так как он должен ссылаться на турнирную таблицу. 12.06.2017
  • Я все еще изучаю это, но, может быть, вы пробовали другой синтаксис? например, ` Положение ['Победы'] `? (дальний выстрел .. :) ) 14.06.2017
  • Пробовал это без дополнительной удачи. 14.06.2017

Ответы:


1

Очевидно, читая документацию по AngularFire2 Вплотную решим проблему. Я заметил, как документация отображает данные, и изменил свой код, чтобы он работал. HTML — это все, что мне нужно было изменить.

import { Component } from '@angular/core';
import { AngularFireDatabase, FirebaseObjectObservable } from 'angularfire2/database';

Standings: FirebaseObjectObservable<any[]>;
constructor(public FirebaseData:AngularFireDatabase) {
    this.Standings = FirebaseData.object('/LeagueStandings');
}

Бит образца HTML:

<ion-col><ion-badge color="secondary">{{Standings.Wins | async }}</ion-badge></ion-col>

изменения в:

<ion-col><ion-badge color="secondary">{{ (Standings | async)?.Wins }}</ion-badge></ion-col>

(Положение | асинхронно)?. Победы были исправлением. Подождите объект, используя асинхронный канал, затем необязательное поле (?), а затем поле (.Wins).

13.06.2017
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..