System.Linq.Dynamic.Core 项目新增"not in"语法支持
2025-07-10 07:18:56作者:柯茵沙
在动态LINQ查询中,条件筛选是一个常见需求。System.Linq.Dynamic.Core作为.NET平台上一个强大的动态LINQ扩展库,近期新增了对"not in"语法的原生支持,这为开发者提供了更直观、更符合SQL习惯的查询编写方式。
背景与现状
在之前的版本中,如果开发者需要表达"不在某个集合中"的条件,必须使用括号和逻辑非运算符的组合写法。例如,要查询值不在2、4、6中的记录,需要写成:
!(foo in (2, 4, 6))
这种写法虽然功能上完全可用,但从可读性和开发体验角度来看存在几个不足:
- 语法不够直观,特别是对于从SQL转来的开发者
- 嵌套的括号增加了语法复杂度
- 不符合大多数开发者对"不在集合中"操作的自然表达习惯
新增功能特性
新版本引入了原生的"not in"语法支持,允许开发者直接使用:
foo not in (2, 4, 6)
这一改进带来了以下优势:
- 语法更简洁:减少了括号嵌套层级
- 可读性更强:更接近自然语言表达
- 学习成本更低:与SQL语法保持高度一致
- 减少错误:降低了因括号不匹配导致的语法错误
技术实现原理
在底层实现上,"not in"语法会被解析器转换为等价的逻辑非表达式。也就是说:
foo not in (2, 4, 6)
实际上会被处理为:
!(foo in (2, 4, 6))
这种转换确保了向后兼容性,同时提供了更友好的语法糖。
使用场景示例
这一改进在各种查询场景中都能发挥作用:
- 简单值排除:
var result = context.Products.Where("CategoryID not in (1, 3, 5)");
- 子查询排除:
var result = context.Orders.Where("CustomerID not in (select CustomerID from Customers where IsActive = false)");
- 组合条件查询:
var result = context.Employees.Where("DepartmentID = 10 and EmployeeID not in (1001, 1002, 1003)");
最佳实践建议
- 对于简单查询,优先使用新的"not in"语法
- 在复杂表达式中,考虑可读性选择最合适的写法
- 团队内部应统一语法风格,保持代码一致性
- 升级后检查现有代码,逐步替换旧的写法
总结
System.Linq.Dynamic.Core对"not in"语法的支持,体现了项目团队对开发者体验的持续关注。这一看似小的改进,实际上显著提升了动态LINQ查询的表达能力和可维护性。对于长期使用该库的开发者来说,这无疑是一个值得欢迎的增强功能。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137