Mybatis-PageHelper分页方法offsetPage的正确使用姿势
2025-05-18 13:46:27作者:姚月梅Lane
在Mybatis-PageHelper分页插件中,offsetPage方法是一个常用的静态分页方法,但很多开发者对其参数含义存在误解。本文将从分页原理出发,深入解析offsetPage方法的正确使用方式。
方法参数解析
offsetPage方法接收两个关键参数:
- 第一个参数表示偏移量(offset),即从第几条记录开始查询
- 第二个参数表示每页大小(pageSize),即每页显示的记录数
这里需要特别注意:偏移量的计数是从0开始的,这与数据库的LIMIT语法保持一致。例如:
PageHelper.offsetPage(0, 10); // 查询第1-10条记录
PageHelper.offsetPage(10, 10); // 查询第11-20条记录
与startPage方法的区别
PageHelper还提供了startPage方法,其参数含义与offsetPage不同:
PageHelper.startPage(1, 10); // 查询第1页,每页10条
PageHelper.startPage(2, 10); // 查询第2页,每页10条
startPage的第一个参数是页码(从1开始),而offsetPage的第一个参数是偏移量(从0开始)。这是两个方法最本质的区别。
实际应用建议
- 前端分页场景:推荐使用startPage方法,因为前端通常传递的是页码参数
- 特殊分页需求:当需要跳过固定数量的记录时,使用offsetPage更为直观
- API设计一致性:团队内部应统一使用一种风格,避免混用造成混淆
常见误区
很多开发者误以为offsetPage(1,10)表示查询第一页的10条记录,这实际上会跳过第一条记录,从第二条开始查询。正确的做法应该是使用offsetPage(0,10)来获取第一页数据。
理解这些分页方法的差异,可以帮助开发者更精准地控制数据查询范围,避免出现数据遗漏或重复的问题。在实际项目中,建议根据具体场景选择最适合的分页方式,并在团队内部保持使用规范的一致性。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
项目优选
收起
deepin linux kernel
C
28
15
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
663
4.27 K
🎉 (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
1.54 K
894
Ascend Extension for PyTorch
Python
506
612
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
392
290
暂无简介
Dart
909
219
🔥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
69
21
昇腾LLM分布式训练框架
Python
142
168
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++
940
867
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.33 K
108