Веб после 1С это просто боль. Сортировка

22.03.2022 10:38:21 Игорь Кузьков (Steelvan) 4866

Плеер:
YouTube

Боль, связанная с тем, что почти каждое действие, которое надо сделать в обозревателе, будет казаться костылем по сравнению с тем, как это делается в 1Ске.
Буду показывать на примере сортировки строк в табличке.

Категории:
Программирование

Комментарии
Ссылки и коды

Комментарии

Подписаться на ответы Инфостарт бот

Свернуть все

1. SerVer1C 993 22.03.22 11:02 Сейчас в теме

Видео ни о чём.
Вы решили сравнить теплое с красным.
На C (Си) код будет еще длиннее, но это же не означает, что на нем не надо писать драйверы или операционные системы.

Или такой синтетический пример обмена значений между двумя переменными:
в 1с:

    буф = пер2;
    пер2 = пер1;
    пер1 = буф;

в питоне:

    var1, var2 = var2, var1

так давайте же всё писать на питоне, т.к. он позволяет сделать то же самое, но с кодом в 3 раза короче.

2. van_za 303 22.03.22 11:57 Сейчас в теме

Самое страшное не web, страшно когда 1с ники рассказывают другим 1с никам про страшный web :)
(без обид автору, сужу по себе :) )

Нужно отделить слой данных от слоя представления.

Слой данных (в нашем случае нужен массив )
Определены операции которые можно над ним проводить - Добавить, удалить, обновить элемент, сортировать и прочее)

И слой формирования представления:
Отражение данных в html - грубо говоря цикл по массиву и вывод

Кто начинает в вебе то рекомендую смотреть библиотеку react и вы почувствуете насколько круто делать интерфейсы по сравнению с 1с.
https://ru.reactjs.org/

Ответить

Для отправки сообщения требуется регистрация/авторизация

Прямая ссылка:

BB-код для форумов и блогов:

HTML-код:

Айдар Сафин. R&D в 1С: как исследования создают инновации

R&D (Research and Development) в 1С – это не просто про эксперименты, а про создание будущего, инноваций, новых подходов уже сегодня. Объясняем, зачем компании R&D, как с его помощью 1С превращается из платформы учета в мультистек технологий и как формировать направление с нуля – от команды (начиная от пары сотрудников до сформированного «спецназа») и инфраструктуры до гипотез и MVP. Показываем, какие выгоды дает внедрение R&D: кратное снижение затрат, ускорение процессов в разы или сотни процентов, рост лояльности клиентов и выход на новые рынки. Делимся реальными кейсами – от перевода 1С на Linux до интеграции AI-инструментов и автоматизации через Python и DevOps. Если вы хотите оставаться конкурентоспособными на рынке технологий и инноваций дольше 3-х лет, информация обязательна к прочтению. Профит: экономия миллиардов, лояльность клиентов, выход на новые рынки. Доклад в виде статьи: https://infostart.ru/pm/2526622/

Виталий Подымников. Краткий обзор методики дымового тестирования из Vanessa ADD

Запуск дымового тестирования не требует выделенной инфраструктуры, обучения и лишних затрат. Найти ошибки и улучшить качество разработки можно малыми силами, просто запустив готовые наборы тест-кейсов на своей локальной машине. Расскажем о преимуществах методики дымового тестирования и возможностях доработанного фреймворка Vanessa ADD. Доклад в виде статьи: https://infostart.ru/1c/articles/2525598/

Матвей Серегин. Решение на базе 1С:Предприятие.Элемент в информационном ландшафте предприятия

Весной 2025 года технология 1С:Предприятие.Элемент вышла в релиз и стала доступна для широкого использования. С помощью этой технологии можно быстро создавать веб-приложения, B2C-порталы и headless-сервисы, используя привычные подходы и опыт прикладной разработки на платформе 1С:Предприятие. О том, какие аспекты 1С:Элемента усиливают преимущество решений 1С – быструю разработку бизнес-приложений, на конференции INFOSTART TECH EVENT 2025 рассказал Матвей Серегин. Доклад в виде статьи: https://infostart.ru/1c/articles/2523415/

Валерий Бобров. От ChatGPT до GigaChat: как объективно оценить и выбрать LLM для разработки на 1С

Большие языковые модели все чаще применяются для генерации кода на 1С, но до сих пор нет единого способа объективно сравнить их качество. Объясняем, как работают метрики BLEU, CodeBLEU и pass@k, и как их можно адаптировать для оценки LLM в экосистеме 1С. Показываем, какие задачи – от простых функций до рефакторинга – помогают полноценно оценить интеллект модели и ее знание платформы. Разбираем ключевую проблему проверки логики и синтаксиса в автоматическом режиме и показываем бенчмарк, который решает эту задачу, сравнивая ChatGPT, Claude, GigaChat и другие модели по единым стандартам. Доклад в виде статьи: https://infostart.ru/1c/articles/2518237/

Екатерина Холодова. ИИ для проведения код-ревью – опыт Magnit Tech

ИИ для код-ревью – не просто модный тренд, а реальный инструмент, который уже помогает разработчикам экономить время и повышать качество кода. Разбираемся, как запустить локальную LLM на базе Ollama, подключить ее к Git через Webhook и Python-скрипт, а также какие параметры модели отвечают за точность и галлюцинации. Делимся схемой работы, настройками и результатами тестирования, доказывая, что автоматизированное код-ревью действительно может работать – даже без космического бюджета. Доклад в виде статьи: https://infostart.ru/1c/articles/2517048/

Роман Савинов. Как сделать первый, но уверенный шаг в тестировании

Ошибки неизбежны – вопрос только в том, как с ними работать. Рассказываем, почему тестирование стало неотъемлемой частью разработки, какие инструменты помогают автоматизировать рутину и как выстроить процесс, чтобы он приносил реальную пользу. Разберемся, с чего начать, как быстро получить первые результаты, и почему грамотное внедрение тестирования экономит время и ресурсы команды. Доклад в виде статьи: https://infostart.ru/1c/articles/2514950/

Михаил Журавлев. Ошибки при написании запросов, которые допускают все (делаем свой чек-лист)

Ошибки в запросах совершают все – даже самые опытные разработчики. На реальных примерах из код-ревью показываем, какие промахи незаметно закладывают мины замедленного действия в коде и работе базы. Поможем взглянуть на привычные запросы под другим углом и составить собственный чек-лист для уверенной и чистой разработки. Доклад в виде статьи: https://infostart.ru/1c/articles/2514882/

Тихон Стрельников, Денис Беляев. Практика LLM в процессах автоматизации – смена правил игры

Искусственный интеллект перестал быть только «чатиком для домашних дел» – отечественные on-prem LLM уже сегодня помогают автоматизировать бизнес-процессы. Поделимся практическими кейсами внедрения LLM, покажем примеры из 1С и других корпоративных систем и расскажем, где нейросети действительно заменяют человека, а где пока нет. Вы узнаете, как безопасно и эффективно использовать LLM в автоматизации, на что обратить внимание и какие перспективы это открывает для сообщества 1С. Доклад в виде статьи: https://infostart.ru/1c/articles/2514278/

Станислав Косолапов. AI-агенты для 1С: от генерации кода до автоматизации разработки и тестирования

ИИ-агенты уже сегодня способны автоматизировать значительную часть цикла разработки 1С – от генерации и проверки кода до деплоя и тестирования решений. Рассмотрим принципы работы MCP и A2A-протоколов, примеры их применения в 1С-среде и создание собственного MCP-сервера на OneScript. Показываем, как объединить нейросети, базы знаний и инструменты тестирования, чтобы ИИ сам писал, проверял и запускал 1С-обработки. Материал будет полезен тем, кто хочет внедрить современные AI-технологии в практику разработки и протестировать первые прототипы уже сейчас. Доклад в виде статьи: https://infostart.ru/1c/articles/2509402/

1С ИИ - сервис анализа цен конкурентов по фото (вебинар)

Всем привет, с вами Низамов Илья. Сегодня на вебинаре я разработаю проект анализа цен конкурентов по фото. Скачать исходники: https://disk.yandex.ru/d/URSVNqivdg_V2w Суть проекта, мы отправляем изображение товаров с ценниками через telegram бота, это изображение отправляется во второй сервис, в котором предварительно обученная модель вырезает изображения ценников и возвращает их. Обмен между сервисами идет через локальное S3 облако minio. Еще у нашего сервиса будет API и изображения в него вы сможете отправлять хоть из 1С, хоть из мобильного приложения. Далее полученные изображения отправляются на обработку в локальную модель mistral-small3.2 которая умеет работать с изображениями. Потом полученный результат прогоняем в векторной базе с товарами, которую мы подготовим заранее, будем использовать эмбединги qwen3-embedding:8b. Все это будет работать полностью локально на одной видео карте 3090, и при желании вы сможете запустить проект с использованием любой облачной модели. К сожалению, на вебинаре мы не сможем разработать второй сервис, так как он достаточно сложный, но и тех подходов что мы применим в первом сервисе, вам вполне хватит для решения каких-то не сложных задач.