在Postgres.js中使用LIKE语句进行动态模糊查询
Postgres.js是一个流行的Node.js PostgreSQL客户端库,它提供了强大的SQL模板标签功能。在实际开发中,我们经常需要使用LIKE语句进行模糊查询,特别是当需要根据部分字符串匹配记录时。
问题背景
在使用Postgres.js时,开发者尝试执行一个包含LIKE条件的查询,目的是根据订单ID的前缀和PIN码查找订单记录。原始查询如下:
sql`
SELECT *
FROM orders
WHERE id LIKE '${order_id}%' AND pin=${pin};
`
这个查询会导致PostgreSQL报错:"could not determine data type of parameter $1",表明数据库无法确定第一个参数的数据类型。
问题分析
这个错误的发生是因为Postgres.js在解析SQL模板字符串时,会将所有插值变量作为参数化查询的参数发送到数据库。当LIKE条件中的模式字符串(包含通配符%)被放在引号内时,数据库无法正确解析参数类型。
解决方案
正确的做法是将通配符%直接附加到变量值上,而不是放在SQL字符串中。修改后的查询如下:
sql`
SELECT *
FROM orders
WHERE id LIKE ${order_id + '%'} AND pin=${pin}
`
这种写法有以下几个优点:
- 保持了参数化查询的安全性,防止SQL注入
- 让数据库能够正确推断参数类型
- 代码更加清晰,逻辑集中在JavaScript部分
深入理解
Postgres.js的sql模板标签会自动将插值变量转换为参数化查询的参数。当我们在SQL字符串中使用引号包裹变量时,实际上破坏了这种机制,导致数据库无法正确解析参数类型。
在PostgreSQL中,LIKE操作符通常与通配符%一起使用,表示匹配任意数量的字符(包括零个字符)。将通配符直接附加到变量值上,可以确保:
- 查询计划能够正确优化
- 参数类型推断正常工作
- 查询逻辑更加明确
最佳实践
在使用Postgres.js进行模糊查询时,建议:
- 始终将通配符作为变量值的一部分处理
- 避免在SQL字符串模板中直接拼接通配符
- 对于复杂的模式匹配,考虑在JavaScript中构建完整的模式字符串
- 对于大量数据,考虑使用索引优化LIKE查询性能
性能考虑
当使用前缀匹配(如'abc%')时,PostgreSQL可以利用适当的索引(如btree索引)。但如果使用后缀匹配(如'%abc')或包含匹配(如'%abc%'),标准btree索引将无法使用,这时可以考虑使用pg_trgm扩展或专门的全文搜索功能。
通过遵循这些原则,开发者可以构建既安全又高效的模糊查询,充分利用Postgres.js和PostgreSQL的强大功能。
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