当前位置: 首页 > 知识库问答 >
问题:

前端 - Vue3 问卷调查系统开源推荐及组件选择?

公良弘毅
2024-09-29

求推荐vue3问卷调查系统开源或组件?

由于项目需要融入问卷功能,目前项目使用vue3+element开发,现目前使用tduck开源版(vue2)系统采用iframe引入的方式融入项目,由于需求迭代需要增加答题计分(每个选项对应分值)、自动计算年限年龄、同一问题关联上一问卷的答题内容、记录编辑修改等逻辑,所以tduck开源版iframe引入的方式不可用了
image.png
求大佬推荐能满足以上部分条件的系统/组件!!!

共有1个答案

薛宏壮
2024-09-29

这个东西自己写应该也可以吧,记录编辑修改可能要麻烦点。而且TDuck目前不有vue3版本吗。

顺便问了下AI


对于您的项目需求,有几个推荐的Vue3问卷调查系统开源项目或组件可以考虑:

  1. Vue-Questionnaire:这是一个基于Vue.js框架构建的简易但功能完备的问卷系统,适用于校内或其他可控人群的在线调研场景。它支持问卷管理、结果统计、用户管理以及设备适应性等功能。虽然项目已暂停维护,但作者提供了一个TypeScript版本的微型问卷调查系统作为替代:ts-vue-questionnaire。项目地址:Vue-Questionnaire
  2. TDuck:TDuck是一个基于Vue的开源问卷/表单收集工具,采用无代码设计理念,支持27+自定义组件,可以快速生成表单问卷。它支持数据同步Api和数据WebHook推送,以及邮件、短信、微信公众号参数配置。TDuck的前端项目地址:TDuckApp/tduck-front
  3. JFinal/Vue3问卷调查系统:这是一个使用JFinal和Vue3实现的问卷调查系统,提供了前端界面的实现,可以作为参考。视频教程地址:Bilibili - JFinal/Vue3实现问卷调查系统
  4. Vue3问卷调查组件:这是一个封装好的Vue3问卷调查组件,基于element-ui进行二次封装,支持填空、单选、多选等题型。组件的API使用指南和源代码可以在CSDN博客中找到。博客地址:Vue 组件封装之 Questionnaire 问卷调查
  5. 基于localStorage的问卷调查功能:这个方案提供了问卷调查的保存及回填功能,可以在问卷填写过程中进行保存,并在下次打开时回填之前的答案。这可以提高用户体验。博客地址:Vue3.0实战逐步深入系列

您可以根据自己的项目需求和技术栈,选择最合适的开源项目或组件进行集成或二次开发。


可以考虑以下几个 Vue 3 的开源问卷调查组件或系统:

  1. Vue Formulate: 一个强大的表单库,支持动态表单生成,可以轻松实现问卷功能。
  2. VeeValidate: 用于表单验证,可以与其他组件结合,满足复杂逻辑需求。
  3. Vue Survey: 一个专门用于问卷调查的库,提供灵活的问卷创建和管理功能。
 类似资料:
  • 新知问卷调查系统是一款功能强大的计算机辅助调查工具,可做客户满意度调查、产品类别调查以及访客来源调查、客户回访等,其它各种类型的调查均可自定义设置。 通过它使用人员可以方便地设计各类问卷题型:是非题、单选题、多选题、填空题、矩阵单选、矩阵多选、段落等题型。 设计好了之后,调查人员可以进行问卷调查,另外本系统还实时提供问卷调查及话务话单的统计报表。 完全和一次问卷调查记录完全绑定,可以更真实地记录一

  • 背景与挖掘目标 随着互联网的快速发展,用户很难快速从海量信息中寻找到自己感兴趣的信息。因此诞生了:搜索引擎+推荐系统 本章节-推荐系统: 帮助用户发现其感兴趣和可能感兴趣的信息。 让网站价值信息脱颖而出,得到广大用户的认可。 提高用户对网站的忠诚度和关注度,建立稳固用户群体。 分析方法与过程 本案例的目标是对用户进行推荐,即以一定的方式将用户与物品(本次指网页)之间建立联系。 由于用户访问网站的数

  • 问题内容: 是否有用于Java的开源调查引擎,该引擎将允许分支问题?例如,问题1有A,B或C选项,它们分别带您前往不同的后续问题集。 我找到了一对夫妇(J​​SurveyLib和Socrates QE),但是它们似乎与GUI非常相关。 我正在编写的应用程序有一个在glassfish上运行的java后端和一个flex前端。最终有计划使用不同的字体,因此引擎需要非常独立于GUI。 问题答案: 请看一下

  • 本章将介绍协同过滤,基本的距离算法,包括曼哈顿距离、欧几里得距离、闵科夫斯基距离、皮尔森相关系数。使用Python实现一个基本的推荐算法。 内容: 推荐系统工作原理 社会化协同过滤工作原理 如何找到相似物品 曼哈顿距离 欧几里得距离 闵可夫斯基距离 皮尔逊相关系数 余弦相似度 使用Python实现K最邻近算法 图书漂流站(BookCrossing)数据集

  • Ceph 依赖 按常规来说,我们建议在较新的 Linux 发行版上部署 Ceph ;同样,要选择长期支持的版本。 Linux 内核 Ceph 内核态客户端 当前我们推荐: 4.1.4 or later 3.16.3 or later (rbd deadlock regression in 3.16.[0-2]) NOT v3.15.* (rbd deadlock regression) 3.14.

  • 准备硬盘 Ceph 注重数据安全,就是说, Ceph 客户端收到数据已写入存储器的通知时,数据确实已写入硬盘。使用较老的内核(版本小于 2.6.33 )时,如果日志在原始硬盘上,就要禁用写缓存;较新的内核没问题。 用 hdparm 禁用硬盘的写缓冲功能。 sudo hdparm -W 0 /dev/hda 0 在生产环境,我们建议操作系统和 Ceph OSD 守护进程数据分别放到不同的硬盘。如果必

  • 我将本章学到的内容都汇集成了一个Python类,虽然代码有些长,我还是贴在了这里: import codecs from math import sqrt users = {"Angelica": {"Blues Traveler": 3.5, "Broken Bells": 2.0, "Norah Jones": 4.5, "Phoenix": 5.0

  • 背景与挖掘目标 随着互联网的快速发展,用户很难快速从海量信息中寻找到自己感兴趣的信息。因此诞生了:搜索引擎+推荐系统 本章节-推荐系统: 帮助用户发现其感兴趣和可能感兴趣的信息。 让网站价值信息脱颖而出,得到广大用户的认可。 提高用户对网站的忠诚度和关注度,建立稳固用户群体。 分析方法与过程 本案例的目标是对用户进行推荐,即以一定的方式将用户与物品(本次指网页)之间建立联系。 由于用户访问网站的数