MyBatis-Plus 中自定义 QueryWrapper 实现字段名驼峰转下划线
2025-05-13 18:08:05作者:段琳惟
背景介绍
在使用 MyBatis-Plus 进行数据库操作时,QueryWrapper 是一个非常强大的查询条件构造器。在实际开发中,我们经常会遇到 Java 实体类使用驼峰命名法,而数据库字段使用下划线命名法的场景。虽然 MyBatis-Plus 默认支持这种映射,但有时我们需要在 QueryWrapper 中直接处理这种转换。
问题分析
默认情况下,QueryWrapper 的字段名处理方式是直接使用传入的字段名。当我们需要在 QueryWrapper 中自动将驼峰命名的字段转换为下划线格式时,就需要自定义 QueryWrapper 实现。
解决方案
我们可以通过继承 QueryWrapper 并重写相关方法来实现这一需求:
public class MyQueryWrapper<T> extends QueryWrapper<T> {
@Override
protected String columnToString(String column) {
// 驼峰命名转换为下划线命名
return StringUtils.camelToUnderline(column);
}
@Override
protected QueryWrapper<T> instance() {
return new MyQueryWrapper<>();
}
}
关键点解析
-
columnToString 方法:这个方法负责将传入的字段名转换为最终的 SQL 字段名。我们在这里实现了驼峰到下滑线的转换逻辑。
-
instance 方法:这个方法非常重要,它决定了在构建嵌套查询条件时(如使用 and 或 or 方法时)创建的新 Wrapper 实例类型。如果不重写此方法,嵌套的 Wrapper 将会是普通的 QueryWrapper 而不是我们的 MyQueryWrapper。
使用示例
MyQueryWrapper<WarehouseInfo> wrapper = new MyQueryWrapper<>()
.eq("status", 1)
.and(w -> {
w.in("provinceCode", areaCodes)
.or()
.in("cityCode", areaCodes)
.or()
.in("countyCode", areaCodes);
});
在这个例子中,所有传入的字段名(如"provinceCode"、"cityCode"等)都会自动转换为下划线格式(如"province_code"、"city_code")。
注意事项
- 确保 StringUtils.camelToUnderline 方法能够正确处理各种驼峰命名情况
- 如果字段名已经是下划线格式,转换方法应该能够识别并不做重复转换
- 对于复杂的嵌套查询,instance 方法的正确实现保证了整个查询链中的字段名转换一致性
扩展思考
这种自定义 Wrapper 的方式不仅适用于字段名转换,还可以用于其他场景,例如:
- 自动添加租户ID过滤条件
- 实现逻辑删除的自动过滤
- 统一添加数据权限控制
通过继承和重写 QueryWrapper 的关键方法,我们可以灵活地扩展 MyBatis-Plus 的查询功能,满足各种业务场景的需求。
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
245
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
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++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥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
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218