Spatie Laravel Tags 4.10.0 版本发布:新增 PostgreSQL 支持与类型化标签查询
项目简介
Spatie Laravel Tags 是一个广受欢迎的 Laravel 扩展包,它为 Laravel 应用程序提供了强大的标签功能。这个包允许开发者轻松地为任何 Eloquent 模型添加标签功能,支持标签的创建、管理、查询和关联等操作。通过这个包,开发者可以快速实现内容分类、标记系统等常见功能,而无需从头开发复杂的标签逻辑。
4.10.0 版本主要更新
PostgreSQL 数据库支持
在 4.10.0 版本中,最显著的改进是新增了对 PostgreSQL 数据库的完整支持。在此之前,虽然 Laravel Tags 包在 MySQL 上运行良好,但在 PostgreSQL 上的兼容性并未得到充分测试和验证。
PostgreSQL 作为一款功能强大的开源关系型数据库,在企业级应用中越来越受欢迎。这次更新确保了 Laravel Tags 包能够充分利用 PostgreSQL 的特性,包括:
- 完整的 JSON 支持:PostgreSQL 提供了强大的 JSON 数据类型和操作函数
- 更好的并发性能:PostgreSQL 的多版本并发控制(MVCC)机制
- 高级查询功能:如窗口函数、CTE(公共表表达式)等
开发团队为 PostgreSQL 支持添加了专门的测试用例,确保在不同数据库环境下功能的一致性。这对于使用 PostgreSQL 作为生产数据库的项目尤为重要,可以避免因数据库差异导致的功能问题。
类型化标签查询增强
另一个重要改进是新增了 withAnyTagsOfType 查询作用域(scope),这为标签查询提供了更精细的控制能力。
在复杂的应用中,我们经常需要根据标签类型进行筛选。例如,一个博客系统可能同时有"分类"标签和"作者"标签,而我们需要查询所有属于特定分类的文章。传统的方式可能需要编写复杂的查询逻辑,而新的 withAnyTagsOfType 作用域简化了这一过程。
使用方法示例:
// 查询带有"技术"或"编程"标签且标签类型为"分类"的所有文章
Article::withAnyTagsOfType(['技术', '编程'], '分类')->get();
这个功能特别适合以下场景:
- 多维度标签系统(如分类+作者+主题)
- 需要区分系统标签和用户自定义标签
- 实现复杂的标签筛选界面
升级建议
对于现有项目,升级到 4.10.0 版本通常是安全的,特别是如果你已经使用 MySQL 数据库。主要注意事项包括:
- 如果你计划从 MySQL 迁移到 PostgreSQL,建议先在测试环境验证所有标签相关功能
- 检查项目中是否有自定义的标签查询逻辑,可能需要适配新的
withAnyTagsOfType作用域 - 运行测试套件确保所有标签功能正常工作
对于新项目,4.10.0 版本提供了更强大的功能和更好的数据库兼容性,是推荐的起始版本。
技术实现细节
在底层实现上,PostgreSQL 支持主要涉及以下几个方面:
- 数据库迁移文件的调整,确保在所有支持的数据库上都能正确创建表结构
- 查询构建器的适配,处理不同数据库在 JSON 操作、字符串处理等方面的语法差异
- 测试套件的扩展,添加 PostgreSQL 专用的测试用例
withAnyTagsOfType 作用域的实现则利用了 Laravel 的查询构建器,通过连接(join)标签表和标签类型表,实现了高效的联合查询。这种方法避免了 N+1 查询问题,保证了性能。
总结
Spatie Laravel Tags 4.10.0 版本通过添加 PostgreSQL 支持和增强类型化标签查询能力,进一步巩固了其作为 Laravel 生态中最完善标签解决方案的地位。这些改进使得包更加灵活和强大,能够满足更广泛的业务需求。无论是简单的博客标签系统,还是复杂的企业级分类体系,这个版本都提供了可靠的技术基础。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00