Dapper中处理JSON_CONTAINS查询参数替换的技巧
2025-05-12 04:53:24作者:范靓好Udolf
在使用Dapper进行MySQL数据库操作时,经常会遇到需要处理JSON类型数据的场景。本文将通过一个实际案例,介绍如何在Dapper中正确替换JSON_CONTAINS函数中的参数变量。
问题背景
在MySQL中,JSON_CONTAINS函数用于检查JSON文档中是否包含特定值。开发者经常需要动态地将参数传递给这个函数。例如:
JSON_CONTAINS(mcmod_game_version->'$.Fabric', '[\"@version\"]')
当尝试通过Dapper传递参数时:
var list = codeSQL.Query<DataObj>(sql, new {version});
发现这种方式无法正常工作,而直接拼接字符串却能成功查询。
问题分析
这个问题源于SQL字符串字面量的处理机制。在SQL中,字符串字面量中的内容(包括@符号)会被视为普通字符,而不是参数占位符。因此,'["@version"]'中的@version不会被Dapper识别为需要替换的参数。
解决方案
方法一:使用字符串连接
MySQL支持使用CONCAT函数动态构建JSON字符串:
JSON_CONTAINS(mcmod_game_version->'$.Forge', CONCAT('[\"', @version, '\"]'))
这种方式通过CONCAT函数将参数值动态插入到JSON字符串中,确保Dapper能够正确识别并替换@version参数。
方法二:使用字符串拼接操作符
另一种方法是使用字符串拼接操作符:
'[\"' + @version + '\"]'
但需要注意,这种方法在某些MySQL版本或配置下可能会有不同的行为,且需要特别注意SQL注入风险。
安全注意事项
在使用动态构建JSON字符串时,必须考虑SQL注入风险:
- 始终使用参数化查询(如Dapper提供的参数替换)
- 对输入参数进行严格验证
- 避免直接将用户输入拼接到SQL语句中
完整示例
以下是一个完整的C#代码示例,展示了如何在Dapper中正确使用JSON_CONTAINS函数:
string sql = @"
SELECT * FROM `mcmod`
WHERE `mcmod_mod_type` LIKE @modtype
AND JSON_CONTAINS(mcmod_game_version->'$.Forge', CONCAT('[\"', @version, '\"]'))
ORDER BY mcmod_update_time
LIMIT @page, 20";
using var connection = new MySqlConnection(connectionString);
var results = connection.Query<ModInfo>(sql, new {
modtype = "魔法",
version = "1.12.2",
page = 0
});
总结
在Dapper中处理MySQL的JSON_CONTAINS函数时,直接使用@参数占位符在JSON字符串字面量中是无效的。开发者需要通过CONCAT函数或字符串拼接的方式动态构建JSON字符串,同时确保使用参数化查询来防止SQL注入。理解这些细节可以帮助开发者更高效地使用Dapper处理JSON类型数据的查询。
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
26
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
420
3.22 K
Ascend Extension for PyTorch
Python
230
261
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++
689
330
暂无简介
Dart
685
160
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
React Native鸿蒙化仓库
JavaScript
266
326
🔥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
65
19
🎉 (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
1.22 K
666
仓颉编译器源码及 cjdb 调试工具。
C++
136
869