jfGrid 分页点击下拉选择每页条数

时间: 2023-07-18 15:32:12 浏览: 53
您可以在 `jfGrid` 中使用 `pageList` 属性来设置每页可选择的记录数。例如: ```javascript $("#gridId").jfGrid({ // 设置每页显示的记录数 pageSize: 10, // 设置每页可选择的记录数 pageList: [10, 20, 30, 50], // 设置是否显示分页控件 isPage: true, // 设置是否显示记录总数 isShowTotal: true, // 设置是否显示分页信息 isPageInfo: true, // 设置分页控件的位置 pagerPosition: "center" }); ``` 在上述代码中,`pageList` 属性设置为 `[10, 20, 30, 50]`,表示每页可选择的记录数为 10、20、30 或 50 条。设置完成后,分页控件会自动显示每页可选择的记录数下拉框,用户可以通过选择下拉框中的选项来改变每页显示的记录数。 需要注意的是,当用户改变每页显示的记录数时,分页控件会自动跳转到第一页。如果您需要保留当前页码,可以在修改 `pageSize` 属性时,手动调用 `reloadGrid` 方法来刷新表格数据。例如: ```javascript $("#gridId").setGridParam({ // 修改每页显示的记录数 pageSize: 20 }).trigger("reloadGrid"); ``` 上述代码会修改每页显示的记录数为 20,并刷新表格数据。

相关推荐

最新推荐

recommend-type

基于LayUI分页和LayUI laypage分页的使用示例

本篇文章主要介绍了基于LayUI分页和LayUI laypage分页的使用示例,小编觉得挺不错的,现在分享给大家,也给大家做个参考。一起跟随小编过来看看吧
recommend-type

Layui实现数据表格默认全部显示(不要分页)

今天小编就为大家分享一篇Layui实现数据表格默认全部显示(不要分页),具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
recommend-type

layUI实现前端分页和后端分页

主要为大家详细介绍了layUI实现前端分页和后端分页,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
recommend-type

纯JS前端实现分页代码

公共的代码抽取的也差不多,主要就是ajax后台以及返回的值不同而已,只要把总页码的值获取到,点击首页/下一页等传值正确的话,基本上分页是不会出什么问题的  网上确实有很多分页的插件以及开源代码,单本是一个...
recommend-type

Spring Data JPA带条件分页查询实现原理

主要介绍了Spring Data JPA带条件分页查询实现原理,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

解释minorization-maximization (MM) algorithm,并给出matlab代码编写的例子

Minorization-maximization (MM) algorithm是一种常用的优化算法,用于求解非凸问题或含有约束的优化问题。该算法的基本思想是通过构造一个凸下界函数来逼近原问题,然后通过求解凸下界函数的最优解来逼近原问题的最优解。具体步骤如下: 1. 初始化参数 $\theta_0$,设 $k=0$; 2. 构造一个凸下界函数 $Q(\theta|\theta_k)$,使其满足 $Q(\theta_k|\theta_k)=f(\theta_k)$; 3. 求解 $Q(\theta|\theta_k)$ 的最优值 $\theta_{k+1}=\arg\min_\theta Q(
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。