SQLParser-rs 新增对 WITH ORDINALITY 语法的支持
在 PostgreSQL 数据库中,WITH ORDINALITY 是一个非常有用的语法特性,它允许用户在调用集合返回函数(SRF)时为结果集中的每一行添加一个序号列。最近,SQLParser-rs 项目增加了对这一语法的解析支持,使得该解析器能够更好地兼容 PostgreSQL 的特定语法。
什么是 WITH ORDINALITY
WITH ORDINALITY 是 PostgreSQL 特有的语法扩展,它通常与集合返回函数(Set-Returning Functions)一起使用。当在 FROM 子句中的函数调用后添加 WITH ORDINALITY 时,PostgreSQL 会在结果集中自动添加一个名为 "ordinality" 的列,该列包含从1开始递增的行号。
例如,以下查询:
SELECT * FROM my_srf() WITH ORDINALITY;
会返回 my_srf() 函数的所有结果行,并在每行前面添加一个序号列。
技术实现细节
在 SQLParser-rs 的实现中,这一特性是通过扩展 TableFactor 的语法结构来实现的。具体来说,在解析 FROM 子句时,解析器现在能够识别并处理函数调用后跟的 WITH ORDINALITY 关键字。
这种语法结构在 PostgreSQL 中特别有用,因为它提供了一种简单的方法来为集合返回函数的结果添加行号,而无需使用复杂的窗口函数或子查询。例如,在处理 JSON 或 XML 数据时,当需要分解数组元素并保留原始顺序信息时,这一特性就显得尤为重要。
兼容性考虑
虽然 WITH ORDINALITY 是 PostgreSQL 特有的语法,但 SQLParser-rs 作为一个通用的 SQL 解析器,增加对这一语法的支持有助于提高其对不同数据库方言的兼容性。这一变化不会影响解析器对其他标准 SQL 语法的处理能力,同时为需要解析 PostgreSQL 特定语法的用户提供了更好的支持。
实际应用场景
在实际应用中,WITH ORDINALITY 可以用于多种场景:
- 当需要处理 JSON 或 XML 数组并保留元素顺序时
- 在需要为结果集添加连续行号的报表生成场景中
- 在需要按顺序处理函数返回的多行结果时
通过 SQLParser-rs 对这一语法的支持,开发者现在可以更方便地在 Rust 生态中构建需要解析 PostgreSQL 特定 SQL 的工具和应用。
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