jsql 项目技术文档
2024-12-24 12:06:32作者:江焘钦
1. 安装指南
安装环境要求
- Node.js 版本:>= 12.x
- npm 或 yarn
安装步骤
- 打开终端或命令行工具。
- 使用 npm 或 yarn 安装
jsql:
npm install jsql
或
yarn add jsql
- 安装完成后,您可以在项目中引入
jsql进行使用。
2. 项目使用说明
概述
jsql 是一个 JavaScript 查询语言,旨在提供一种原生的 JSON 查询格式,用于查询任何内容,最初仅限于 JavaScript 对象。jsql 的参考实现 searchjs 使用 jsql 查询 JS 对象或对象数组,并返回匹配的结果。
基本用法
jsql 的查询语法始终是一个单一的 JavaScript 对象 {},其中包含用于查询的参数。查询对象可以包含三种类型的属性:
- Primitives(基本类型):用于匹配一个或多个字段,支持 AND 或 OR 逻辑,以及否定操作。
- Modifiers(修饰符):用于修改其他属性的处理方式,如否定、字段连接类型、范围和文本搜索。
- Composites(复合类型):用于将多个基本类型组合在一起。
示例
以下是一个简单的查询示例:
const searchjs = require('jsql');
const data = [
{ name: "John", age: 30 },
{ name: "Alice", age: 25 },
{ name: "Bob", age: 35 }
];
const query = { name: "John" };
const results = searchjs.match(data, query);
console.log(results); // 输出: [{ name: "John", age: 30 }]
3. 项目 API 使用文档
match(data, query)
- 描述:根据查询条件匹配数据中的对象。
- 参数:
data:要查询的数据,可以是单个对象或对象数组。query:查询条件,使用jsql语法定义的查询对象。
- 返回值:返回匹配的对象数组。
查询语法详解
基本类型(Primitives)
基本类型用于匹配单个或多个字段。例如:
{ name: "John" } // 匹配 name 字段等于 "John" 的对象
{ name: "John", age: 30 } // 匹配 name 字段等于 "John" 且 age 字段等于 30 的对象
修饰符(Modifiers)
修饰符用于修改查询行为,如否定、逻辑连接和文本搜索。
-
否定(Negation):
{ name: "John", _not: true } // 匹配 name 字段不等于 "John" 的对象 -
逻辑连接(Join):
{ name: "John", age: 30, _join: "OR" } // 匹配 name 字段等于 "John" 或 age 字段等于 30 的对象 -
文本搜索(Text Searching):
{ name: "davi", _text: true } // 匹配 name 字段包含 "davi" 的对象
复合类型(Composites)
复合类型用于将多个基本类型组合在一起。例如:
{ terms: [{ name: "John" }, { age: 30 }] } // 匹配 name 字段等于 "John" 或 age 字段等于 30 的对象
4. 项目安装方式
使用 npm 安装
npm install jsql
使用 yarn 安装
yarn add jsql
手动下载
您也可以从 GitHub 仓库手动下载源代码并将其添加到您的项目中。
git clone https://github.com/deitch/searchjs.git
下载后,将 searchjs 文件夹复制到您的项目中,并在代码中引入:
const searchjs = require('./path/to/searchjs');
通过以上步骤,您可以成功安装并使用 jsql 项目。
登录后查看全文
热门项目推荐
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
222
245
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
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++
661
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥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
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217