Gin-Vue-Admin项目中导出功能的软删除数据过滤实现
在现代Web应用开发中,数据导出功能是管理后台的常见需求。Gin-Vue-Admin作为一款基于Gin和Vue的企业级全栈开发框架,其导出功能在实际业务场景中扮演着重要角色。本文将深入探讨如何在该项目中实现导出功能对软删除数据的过滤支持。
软删除与数据导出的关系
软删除(Soft Delete)是一种常见的数据处理模式,它通过在数据表中添加deleted_at字段来标记记录是否被删除,而不是真正从数据库中移除数据。这种设计有以下优势:
- 保留历史数据以便审计
- 支持数据恢复功能
- 避免外键约束问题
然而,在数据导出场景下,通常不希望包含已被软删除的记录,这会导致以下问题:
- 导出的数据与前端列表展示不一致
- 可能泄露敏感数据
- 影响数据分析的准确性
技术实现方案
前端实现
在Vue组件层面,我们通过以下方式增强导出功能:
-
新增过滤配置选项
在导出模板配置中添加filterDeleted属性,默认值为true,确保大多数情况下自动过滤已删除数据。 -
请求参数处理
在发起导出请求时,将过滤选项作为参数传递给后端:const paramsCopy = JSON.parse(JSON.stringify(props.condition)) if (props.filterDeleted) { paramsCopy.filterDeleted = 'true' } -
用户界面展示
在导出配置界面添加直观的复选框控件,让管理员可以灵活选择是否包含已删除数据:<el-checkbox v-model="templateForm.filterDeleted">自动过滤已删除数据</el-checkbox>
后端实现
后端采用Gin框架,主要增强点包括:
-
数据库模型扩展
在SysExportTemplate模型中新增FilterDeleted字段,使用指针类型以区分零值和未设置情况:type SysExportTemplate struct { FilterDeleted *bool `json:"filterDeleted" gorm:"default:true"` } -
智能过滤逻辑
导出服务中实现多层次的过滤控制:func (s *SysExportTemplateService) ExportExcel(...) { // 优先使用模板配置 filterDeleted := true if template.FilterDeleted != nil { filterDeleted = *template.FilterDeleted } // 允许请求参数覆盖 if values.Get("filterDeleted") == "false" { filterDeleted = false } // 应用过滤条件 if filterDeleted { db = db.Where(fmt.Sprintf("%s.deleted_at IS NULL", template.TableName)) } } -
关联表处理
对于关联查询,自动检测关联表是否支持软删除:func (s *SysExportTemplateService) hasDeletedAtColumn(tableName string) bool { var count int64 global.GVA_DB.Raw("SELECT COUNT(*) FROM INFORMATION_SCHEMA.COLUMNS WHERE TABLE_NAME = ? AND COLUMN_NAME = 'deleted_at'", tableName).Count(&count) return count > 0 }
设计考量与最佳实践
-
默认安全性
采用"安全默认值"原则,默认过滤已删除数据,避免意外数据泄露。 -
灵活性
提供多层次的配置覆盖能力:- 模板级默认配置
- 单次导出参数覆盖
- 关联表自动适应
-
性能优化
通过数据库元信息查询避免不必要的过滤条件,提升查询效率。 -
迁移兼容性
为现有系统提供平滑升级路径,通过迁移脚本为旧模板设置合理默认值。
实际应用建议
-
审计场景
当需要导出包含历史删除记录时,可通过临时参数filterDeleted=false获取完整数据。 -
定期维护
建议定期检查导出模板配置,确保过滤设置符合当前业务需求。 -
权限控制
对于敏感数据,可在服务端强制启用过滤,忽略前端参数。
总结
Gin-Vue-Admin通过系统化的软删除过滤实现,为数据导出功能提供了更加专业和安全的解决方案。这种实现不仅考虑了技术实现的完整性,还充分兼顾了实际业务场景的多样性需求。开发者可以根据本文介绍的模式,在自己的项目中实现类似功能,或者基于此进行进一步的定制开发。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00