Kysely中使用SQL字面量(Literal)作为查询列
2025-05-19 13:15:30作者:牧宁李
在Kysely这个类型安全的SQL查询构建器中,开发者经常需要在查询结果中添加一些常量值或NULL值作为列。本文将详细介绍如何在Kysely中实现这一需求。
使用场景
在实际开发中,我们经常会遇到以下两种需求:
- 在查询结果中添加NULL值列
- 在查询结果中添加固定值列
这在构建统一的数据结构、提供默认值或满足某些API接口规范时非常有用。
解决方案
Kysely提供了sql.lit()方法来处理这类需求。该方法允许我们将字面量值直接嵌入到SQL查询中。
添加NULL值列
import { sql } from "kysely";
const result = await db
.selectFrom("table")
.select([
"value_a",
"value_b",
sql.lit(null).as("c") // 添加NULL值列
])
.execute();
添加固定值列
import { sql } from "kysely";
const result = await db
.selectFrom("table")
.select([
"value_a",
"value_b",
sql.lit("myValue").as("c") // 添加固定值列
])
.execute();
安全注意事项
使用sql.lit()方法时,必须特别注意SQL注入安全问题:
- 对于字符串值,应该先进行验证和转义
- 避免直接将用户输入传递给
sql.lit() - 考虑使用参数化查询替代直接字面量
类型安全考虑
Kysely的类型系统会自动推断这些字面量列的类型:
sql.lit(null)会被推断为any类型sql.lit("myValue")会被推断为string类型
如果需要更精确的类型控制,可以使用类型断言。
替代方案
除了使用sql.lit(),Kysely还提供了其他方式实现类似功能:
- 使用条件表达式
- 使用COALESCE函数
- 在应用层处理而不是数据库层
选择哪种方式取决于具体业务需求、性能考虑和代码可维护性等因素。
总结
在Kysely中,通过sql.lit()方法可以灵活地为查询结果添加常量值或NULL值列。这种方法既保持了Kysely的类型安全特性,又提供了足够的灵活性来满足各种业务场景需求。使用时只需注意安全性和类型推断即可。
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
HunyuanVideo-1.5暂无简介00
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-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
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
Ascend Extension for PyTorch
Python
173
193
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++
647
263
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
269
93
暂无简介
Dart
622
140
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
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
620
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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