pgFormatter v5.6 版本发布:SQL 格式化工具的重大更新
项目简介
pgFormatter 是一个开源的 PostgreSQL SQL 代码格式化工具,它能够自动将杂乱的 SQL 语句转换为格式统一、易读的代码。这个工具特别适合数据库开发人员、数据分析师和需要编写复杂 SQL 查询的用户,帮助他们提高代码的可读性和维护性。
v5.6 版本核心更新
最新发布的 pgFormatter v5.6 版本带来了多项功能增强和问题修复,进一步提升了工具的实用性和稳定性。
新增功能特性
-
支持 pg_vector 运算符
新版本增加了对<#>运算符的支持,这是 pg_vector 扩展中用于向量相似度计算的运算符,对于使用向量搜索功能的用户特别有用。 -
JSONB-JSONPATH 运算符支持
添加了对@?运算符的支持,这是 PostgreSQL 中用于 JSON 路径查询的重要运算符,增强了工具对 JSON 数据处理场景的兼容性。 -
遵循 XDG 基本目录规范
现在工具会优先在 XDG_CONFIG_HOME/pg_format/config.conf 路径下查找配置文件,这是对 Linux 系统配置规范的重要适配。 -
Windows 环境变量支持
新增了对 USERPROFILE 环境变量的检查,改善了工具在 Windows 平台下的兼容性。 -
新增函数列表支持
工具现在能够正确识别和处理 to_reg* 和 reg* 系列函数,完善了对 PostgreSQL 系统函数的支持。 -
API 功能增强
CGI 模块现在提供了类似 API 的 JSON 功能,可以通过 enable_api 参数控制(默认启用),为 Web 集成提供了更多可能性。 -
冗余括号保留选项
新增--redundant-parenthesis选项,允许用户选择是否保留 DML 语句中的冗余括号,满足不同编码风格的需求。
重要问题修复
-
过程化代码格式化改进
修复了过程中 INSERT 语句的缩进问题,以及异常块中触发器的缩进问题,提高了过程化代码的格式化质量。 -
类型定义输出优化
改进了 CREATE TYPE 语句的输出格式,使其更加清晰易读。 -
CHECK 约束格式化
现在 CHECK 子句会被格式化为单行,提高了约束定义的整洁度。 -
赋值运算符处理
修复了当变量名和:=运算符之间没有空格时的处理问题,增强了代码解析的鲁棒性。 -
注释处理优化
解决了单引号出现在/**/注释中导致的格式化问题,以及注释出现在 DECLARE 之前时的缩进问题。 -
关键字冲突处理
改进了当列名与关键字冲突时(在 INSERT 和 UPDATE 语句中)的格式化处理。 -
配置相关修复
解决了 XDG_CONFIG_HOME 环境变量未设置时的警告问题,以及各种文档中的小错误。
技术深度解析
pgFormatter v5.6 的更新体现了几个重要的技术方向:
-
语法支持扩展
随着 PostgreSQL 不断引入新的运算符和语法特性,pgFormatter 保持同步更新,确保能够正确解析和格式化最新的 SQL 语法。 -
跨平台兼容性增强
通过对 XDG 规范和 Windows 环境变量的支持,工具在不同操作系统下的行为更加一致和可靠。 -
配置灵活性提升
新增的冗余括号保留选项等特性,允许用户根据团队规范或个人偏好定制格式化行为。 -
错误处理强化
对各种边界条件的修复,如特殊字符处理、未初始化变量等,提高了工具的稳定性和可靠性。
使用建议
对于现有用户,升级到 v5.6 版本可以享受到更完善的格式化效果和更稳定的运行体验。新用户可以从这个版本开始使用,它提供了对现代 PostgreSQL 特性的良好支持。
对于团队使用,建议:
- 统一配置格式化选项,特别是新增的冗余括号处理选项
- 考虑将格式化工具集成到 CI/CD 流程中,确保代码风格一致
- 对于 Web 应用开发者,可以探索新的 JSON API 功能实现自动化格式化
pgFormatter 作为 SQL 代码质量的重要保障工具,v5.6 版本的发布进一步巩固了其在 PostgreSQL 生态中的价值。无论是个人开发者还是团队,都能从这个版本中获得更好的代码格式化体验。
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