Django-filter中实现多条件查询过滤器的技巧
2025-06-12 12:25:08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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
deepin linux kernel
C
24
7
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
308
2.71 K
仓颉编译器源码及 cjdb 调试工具。
C++
123
803
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
598
132
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
461
🎉 (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
1.07 K
616
Ascend Extension for PyTorch
Python
141
170
仓颉编程语言命令行工具,包括仓颉包管理工具、仓颉格式化工具、仓颉多语言桥接工具及仓颉语言服务。
C++
55
780
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++
634
232