Ecto中empty_values参数的正确使用方式解析
2025-06-03 07:19:20作者:秋泉律Samson
在Ecto ORM框架中,empty_values参数是一个重要但容易被误解的功能配置。本文将深入分析其实际行为与文档差异,帮助开发者正确使用这一特性。
empty_values参数的核心作用
empty_values参数定义了哪些值会被Ecto视为"空值"。当字段值为这些空值时,Ecto不会将其包含在changeset的changes中。默认情况下,Ecto将空字符串""和nil视为空值。
实际行为与文档差异
通过测试发现,官方文档中的示例存在几个关键问题:
-
文档引用错误:文档中展示的是
changeset.params的结果,但实际上应该展示changeset.changes。前者包含原始参数,后者才反映实际变更。 -
示例输出不准确:第二个示例显示
%{title: ""},但实际上当字段不在permitted列表中时,changes应为空map%{}。 -
上下文缺失:文档未明确说明测试用例中
post结构体的初始状态,这会影响实际结果。
正确使用模式
通过测试代码,我们可以总结出以下正确用法:
# 默认行为:空字符串和nil被视为空值
changeset = cast(post, %{title: ""}, [:title])
changeset.changes # %{}
# 自定义空值:添加空数组
changeset = cast(post, %{topics: []}, [:topics], empty_values: [[], nil])
changeset.changes # %{}
# 组合默认值与自定义值
changeset = cast(post, %{title: ""}, [:title],
empty_values: [""] ++ Ecto.Changeset.empty_values())
changeset.changes # %{}
实际应用建议
-
明确区分params和changes:
params包含原始输入数据,而changes只包含非空值的有效变更。 -
谨慎选择空值列表:过度扩展空值列表可能导致意外过滤掉有效数据。
-
考虑字段类型:对于数组类型字段,空数组
[]通常需要显式包含在empty_values中才会被过滤。 -
测试验证:由于文档可能存在不一致,建议在实际使用前编写测试验证行为。
理解这些细节可以帮助开发者更精确地控制数据变更流程,避免因误解文档而导致的数据处理错误。
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
246
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (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
1.2 K
655
🔥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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
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
330
137