MyBatis-Plus逻辑删除SQL自定义格式化方法详解
2025-05-14 14:18:46作者:廉皓灿Ida
背景介绍
MyBatis-Plus作为MyBatis的增强工具,提供了许多便捷功能,其中逻辑删除是一个常用的特性。在3.5.3版本中,开发者可以通过覆盖formatLogicDeleteSql方法来自定义逻辑删除的SQL语句生成逻辑。
问题描述
在实际开发中,有开发者尝试通过继承TableInfo类并覆盖formatLogicDeleteSql方法来自定义逻辑删除SQL,但发现即使添加了@Component注解,自定义逻辑也未被实际调用。
解决方案分析
从MyBatis-Plus的实现机制来看,直接继承TableInfo类并添加@Component注解是不够的,因为MyBatis-Plus有自己的初始化流程。正确的做法是:
-
升级到最新版本:确保使用的是最新版MyBatis-Plus,以获得最完善的功能支持
-
实现PostInitTableInfoHandler接口:
- 这是一个表信息初始化后的处理器接口
- 通过实现该接口可以介入表信息的初始化过程
-
注入Spring容器:
- 将自定义的处理器实现类注册为Spring Bean
- 这样MyBatis-Plus在初始化时就能识别并使用你的自定义逻辑
实现示例
@Component
public class CustomLogicDeleteHandler implements PostInitTableInfoHandler {
@Override
public void postTableInfo(TableInfo tableInfo) {
// 在这里可以修改tableInfo的逻辑删除SQL生成逻辑
tableInfo.setLogicDeleteSql(info -> {
// 自定义的逻辑删除SQL生成逻辑
return "你的自定义SQL逻辑";
});
}
}
技术原理
MyBatis-Plus的表信息初始化流程分为几个阶段:
- 元数据解析阶段:解析实体类注解和数据库表结构
- TableInfo构建阶段:构建表信息对象
- 后处理阶段:调用所有注册的PostInitTableInfoHandler
通过实现PostInitTableInfoHandler,开发者可以在表信息完全构建后、被使用前,对TableInfo进行最后的修改和定制。
注意事项
- 确保自定义处理器的优先级(如果有多个处理器)
- 注意线程安全问题,处理器应该是无状态的
- 自定义SQL要确保语法正确性,避免SQL注入风险
- 考虑与MyBatis-Plus其他特性的兼容性
总结
通过本文介绍的方法,开发者可以灵活地自定义MyBatis-Plus的逻辑删除SQL生成逻辑,满足各种特殊业务场景的需求。这种扩展方式遵循了MyBatis-Plus的设计理念,既保持了框架的完整性,又提供了足够的灵活性。
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
STM32到GD32项目移植完全指南:从兼容性到实战技巧 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 开源电子设计自动化利器:KiCad EDA全方位使用指南 网页设计期末大作业资源包 - 一站式解决方案助力高效完成项目 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 Adobe Acrobat XI Pro PDF拼版插件:提升排版效率的专业利器 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 ONVIF设备模拟器:开发测试必备的智能安防仿真工具
项目优选
收起
deepin linux kernel
C
24
9
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
🔥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
暂无简介
Dart
670
155
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++
660
308
Ascend Extension for PyTorch
Python
219
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.82 K
React Native鸿蒙化仓库
JavaScript
259
322