SqlSugar中处理SqlHierarchyId类型的自定义转换方案
在使用SqlSugar ORM框架与SQL Server数据库交互时,有时会遇到需要处理特殊数据类型如SqlHierarchyId的情况。本文将详细介绍如何在SqlSugar中实现SqlHierarchyId类型的自定义转换。
问题背景
当数据库表中包含SqlHierarchyId类型的字段时,直接映射到C#的string类型会导致类型转换异常。这是因为SqlHierarchyId是SQL Server特有的数据类型,不能直接转换为.NET的string类型。
解决方案
SqlSugar提供了自定义类型转换的机制,可以通过实现ISugarDataConverter接口来解决这个问题。
自定义转换器实现
首先需要创建一个自定义转换器类,继承ISugarDataConverter接口:
public class HierarchyIdConverter : ISugarDataConverter
{
public SugarParameter ParameterConverter<T>(object value, int index)
{
var parameterName = "@hierarchyIdParam" + index;
return new SugarParameter(parameterName, value)
{
CustomDbType = SqlDbType.Udt, // 指定为UDT类型
UdtTypeName = "hierarchyid" // 指定UDT类型名称
};
}
public T QueryConverter<T>(IDataRecord dataRecord, int index)
{
// 直接从数据记录中获取值,由调用方处理类型转换
return (T)dataRecord.GetValue(index);
}
}
在实体类中应用转换器
在实体类中,通过SugarColumn特性指定自定义转换器:
public class Department
{
[SugarColumn(SqlParameterDbType = typeof(HierarchyIdConverter))]
public string HierarchyPath { get; set; }
// 其他属性...
}
实现原理
-
参数转换:当SqlSugar需要将C#对象转换为SQL参数时,会调用
ParameterConverter方法。在这里我们明确指定参数类型为UDT(用户定义类型),并设置具体的UDT名称为"hierarchyid"。 -
查询结果转换:当从数据库读取数据时,
QueryConverter方法会被调用。我们直接返回原始值,由调用方处理具体的类型转换逻辑。
注意事项
-
确保项目中已引用Microsoft.SqlServer.Types程序集,这是处理SqlHierarchyId类型所必需的。
-
在实际业务代码中处理SqlHierarchyId时,可能需要额外的类型转换逻辑,因为数据库返回的是SqlHierarchyId对象而非字符串。
-
对于复杂的层次结构操作,建议在应用层封装专门的辅助方法来处理SqlHierarchyId的解析和构建。
扩展应用
这种自定义转换器机制不仅适用于SqlHierarchyId类型,还可以用于处理其他特殊数据库类型,如地理空间数据类型(Geometry/Geography)、XML类型等。只需要根据具体类型的特性实现相应的转换逻辑即可。
通过这种灵活的类型转换机制,SqlSugar能够很好地支持SQL Server中的各种特殊数据类型,为开发人员提供了更大的灵活性。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C091
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00