Django-filter中实现多条件查询过滤器的技巧
2025-06-12 01:44:36作者:伍霜盼Ellen
在Django开发中,django-filter是一个非常实用的库,它可以帮助我们快速构建复杂的查询过滤器。在实际项目中,我们经常会遇到需要为同一个字段提供多种查询方式的需求,比如精确匹配、模糊匹配、范围查询等。本文将介绍如何在django-filter中优雅地实现这种多条件查询功能。
传统实现方式的局限性
在django-filter中,我们通常会这样定义过滤器:
class MyFilterSet(FilterSet):
filter1 = CharFilter(label="精确匹配", lookup_expr="exact")
filter2 = CharFilter(label="模糊匹配", lookup_expr="icontains")
这种方式虽然直观,但当我们需要为同一个字段提供多种查询方式时,代码会显得重复且难以维护。特别是当这些过滤器共享大部分参数(如label、method等)时,重复定义显然不够优雅。
使用LookupChoiceFilter的解决方案
django-filter提供了一个内置的LookupChoiceFilter,可以很好地解决这个问题:
price = LookupChoiceFilter(
field_class=forms.DecimalField,
lookup_choices=[
('exact', '等于'),
('gt', '大于'),
('lt', '小于'),
]
)
这种方式会在前端呈现一个下拉选择框,用户可以选择不同的查询条件。虽然这解决了后端代码重复的问题,但前端交互方式可能不符合所有项目的需求。
自定义MultipleLookupFilter实现
为了更灵活地控制前端表现,我们可以创建一个自定义的MultipleLookupFilter:
from django_filters import Filter
class MultipleLookupFilter(Filter):
def __init__(self, field_class, lookup_expr, **kwargs):
self.field_class = field_class
self.lookup_expr = lookup_expr
self.kwargs = kwargs
def get_filters(self, field_name) -> dict[str, Filter]:
filters = {}
for lookup_expr in self.lookup_expr:
filters[f"{field_name}__{lookup_expr}"] = self.field_class(
lookup_expr=lookup_expr,
**self.kwargs,
)
return filters
这个自定义过滤器会为每个查询表达式生成一个独立的过滤器,保持前端表单字段的独立性。
集成到FilterSet中
为了让自定义过滤器正常工作,我们需要重写FilterSet的get_declared_filters方法:
@classmethod
def get_declared_filters(cls, bases, attrs):
filters = super().get_declared_filters(bases, attrs)
multi_filters = [
(filter_name, attrs.pop(filter_name))
for filter_name, obj in list(attrs.items())
if isinstance(obj, MultipleLookupFilter)
]
for field_name, filter_obj in multi_filters:
filters |= filter_obj.get_filters(field_name)
return filters
实际应用示例
现在我们可以这样使用自定义的多条件过滤器:
activity_heat = MultipleLookupFilter(
field_class=filters.NumberFilter,
lookup_expr=["gte", "lte"],
label="活动热度",
precision=2,
field_name="activity_heat",
)
这相当于同时创建了两个过滤器:
- activity_heat__gte:大于等于指定值
- activity_heat__lte:小于等于指定值
总结
在django-filter中实现多条件查询有多种方式,开发者可以根据项目需求选择最适合的方案:
- LookupChoiceFilter:内置解决方案,适合需要下拉选择查询条件的场景
- MultipleLookupFilter:自定义解决方案,适合需要独立表单字段的场景
- Meta类fields定义:适合简单的模型字段过滤需求
自定义MultipleLookupFilter的优势在于保持了代码的DRY原则,同时提供了灵活的前端展示方式。这种模式可以进一步扩展,支持更复杂的查询场景,如多字段联合查询、自定义查询方法等。
在实际项目中,合理使用这些技术可以显著提高代码的可维护性和开发效率,特别是在构建复杂查询接口时。
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
MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Solidcam后处理文件下载与使用完全指南:提升CNC编程效率的必备资源 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 Python开发者的macOS终极指南:VSCode安装配置全攻略 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 STM32到GD32项目移植完全指南:从兼容性到实战技巧
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (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
1.2 K
655
🔥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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137