当前位置:首页 > 文章列表 > 文章 > php教程 > PHP递归生成多级菜单树代码

PHP递归生成多级菜单树代码

2026-05-01 20:16:35 0浏览 收藏
本文深入解析了PHP中递归构建多级菜单树的四种核心实践:通过parent_id高效组织层级关系、利用引用机制显著提升大数据量下的性能、设置递归深度阈值防止栈溢出以保障系统稳定、以及结合排序字段(如sort_order)实现同级菜单的精准有序展示;无论你是处理简单导航还是复杂后台权限菜单,这些经过实战验证的方法都能帮你将扁平数据库结构优雅、安全、可控地转化为前端所需的嵌套树形结构。

PHP递归实现菜单树_PHP利用递归构建多级菜单树形结构的代码

如果您需要在PHP中将扁平化的菜单数据构建成具有层级关系的树形结构,通常是因为数据库中的菜单表存储的是线性数据,但前端展示需要多级嵌套的结构。以下是几种使用递归实现菜单树的方法:

一、通过父级ID构建树形结构

该方法基于每个菜单项包含一个指向其父级的ID字段,通过递归查找每个节点的子节点来构建完整的树。

1、准备原始数据数组,确保每个元素包含id、parent_id、name等字段。

2、定义一个递归函数,接收所有菜单数据和当前父级ID作为参数。

3、在函数内部遍历所有数据,筛选出parent_id等于当前传入父级ID的项目。

4、对每一个匹配的项目,递归调用该函数,查找其子项目,并将其赋值给children属性。

5、返回最终形成的树形结构数组。

注意:初始调用时传入parent_id为0或null,表示根节点

二、使用引用方式优化性能

此方法利用PHP的引用机制,在构建过程中避免重复遍历整个数组,提高处理大数据量时的效率。

1、先将所有菜单项以id为键存入一个关联数组,便于快速访问。

2、创建一个空数组用于存放树形结构结果。

3、遍历所有菜单项,使用引用将其挂载到对应父级的children下。

4、若某项的parent_id为0或不存在,则将其加入结果数组作为根节点。

5、通过引用关系自动形成嵌套结构,无需显式递归调用。

优势在于时间复杂度接近O(n),适合大型菜单系统

三、限制递归深度防止栈溢出

当菜单层级过深时,普通递归可能导致PHP调用栈溢出,因此需设置深度限制来保障程序稳定。

1、在递归函数中添加一个表示当前层级的参数,默认从0开始。

2、设定最大允许层级数(如5层),每次递归前判断是否超过该值。

3、若超过最大层级,则停止继续向下查找子节点,并可选择记录警告信息。

4、返回当前已构建的部分树结构。

建议在实际应用中设置depth字段进行数据库层面控制

四、支持排序字段的递归构造

在构建树时,往往需要根据某个排序字段(如sort_order)对同级菜单进行排序。

1、在递归函数中,对每一层的子节点数组使用usort进行自定义排序。

2、排序规则依据数据中的权重或顺序字段进行升序或降序排列。

3、确保在生成children之前完成排序操作。

4、递归处理每个已排序后的子节点。

保持菜单显示顺序与后台配置一致,提升用户体验

到这里,我们也就讲完了《PHP递归生成多级菜单树代码》的内容了。个人认为,基础知识的学习和巩固,是为了更好的将其运用到项目中,欢迎关注golang学习网公众号,带你了解更多关于的知识点!

HTMLIndexedDB可以作为离线存储的有力替代方案。它提供了更强大的数据存储能力,支持结构化数据、索引和事务处理,适合需要大量数据存储和高效查询的应用场景。相比传统的localStorage,IndexedDB能更好地满足现代Web应用的需求,尤其是在离线功能方面表现出色。HTMLIndexedDB可以作为离线存储的有力替代方案。它提供了更强大的数据存储能力,支持结构化数据、索引和事务处理,适合需要大量数据存储和高效查询的应用场景。相比传统的localStorage,IndexedDB能更好地满足现代Web应用的需求,尤其是在离线功能方面表现出色。
上一篇
HTMLIndexedDB可以作为离线存储的有力替代方案。它提供了更强大的数据存储能力,支持结构化数据、索引和事务处理,适合需要大量数据存储和高效查询的应用场景。相比传统的localStorage,IndexedDB能更好地满足现代Web应用的需求,尤其是在离线功能方面表现出色。
Win11流量限制设置教程
下一篇
Win11流量限制设置教程
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    297次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    352次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    353次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    318次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    137次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码