MyBatis-Plus 中自定义 QueryWrapper 实现字段名驼峰转下划线
2025-05-13 03:12:43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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Prover-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
369
3.13 K
Ascend Extension for PyTorch
Python
162
182
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
252
90
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
475
仓颉编译器源码及 cjdb 调试工具。
C++
125
853
React Native鸿蒙化仓库
JavaScript
240
313
🎉 (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
1.09 K
617
暂无简介
Dart
613
138
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++
644
255