FreeSql中实现枚举类型与字符串的自定义转换方案
背景介绍
在数据库应用开发中,经常会遇到需要将枚举类型与数据库字段进行特殊转换的场景。例如,我们可能需要将枚举值"A10"存储为数据库中的字符串"A10",或者进行其他自定义格式的转换。FreeSql作为一款功能强大的.NET ORM框架,提供了灵活的扩展机制来实现这类需求。
问题分析
在FreeSql中,默认情况下枚举类型会被映射为数据库中的整型(int)字段。但实际业务中,我们可能需要:
- 将枚举值以特定格式的字符串形式存储
- 从特定格式的字符串解析为枚举值
- 针对不同枚举类型实现不同的转换逻辑
解决方案
FreeSql提供了ITypeHandler接口和类型处理器机制,允许开发者自定义类型转换逻辑。下面介绍如何实现枚举类型的自定义转换。
实现自定义类型处理器
首先,我们需要创建一个实现ITypeHandler接口的类:
public class EnumToValueStringHandler : ITypeHandler
{
private readonly Type enumType;
public EnumToValueStringHandler(Type enumType)
{
this.enumType = enumType;
}
public Type Type => this.enumType;
// 序列化:枚举 -> 数据库值
public object Serialize(object value)
{
return "A" + ((Enum)value).ToString("D");
}
// 反序列化:数据库值 -> 枚举
public object Deserialize(object value)
{
return Enum.Parse(enumType, ((string)value).Replace("A", ""));
}
}
注册类型处理器
在FreeSql初始化时,我们可以通过Aop.ConfigEntityProperty事件为所有枚举属性注册自定义处理器:
freeSql.Aop.ConfigEntityProperty += (s, e) =>
{
if(e.Property.PropertyType.IsEnum)
{
var handler = new EnumToValueStringHandler(e.Property.PropertyType);
FreeSql.Internal.Utils.TypeHandlers.TryAdd(handler.Type, handler);
}
};
实现原理
-
类型处理器机制:FreeSql通过
ITypeHandler接口提供了类型转换的扩展点,允许开发者在数据读写过程中插入自定义逻辑。 -
全局注册:通过
TypeHandlers.TryAdd方法注册的类型处理器是全局有效的,会应用到所有匹配类型的属性上。 -
动态配置:利用
ConfigEntityProperty事件可以在运行时动态分析实体属性并配置相应的处理器。
注意事项
-
这种方案是全局性的,一旦注册会对所有匹配类型的属性生效。
-
如果需要更细粒度的控制(如只对特定实体的特定属性应用转换),目前FreeSql没有提供直接支持,可以考虑以下变通方案:
- 使用不同的枚举类型区分
- 在业务层进行二次转换
- 通过实体继承等方式隔离不同的转换需求
-
性能考虑:自定义类型转换会增加一定的运行时开销,在性能敏感场景需要评估影响。
总结
通过实现ITypeHandler接口并结合FreeSql的事件机制,我们可以灵活地实现枚举类型与数据库字段的自定义转换。这种方案既保持了FreeSql的简洁性,又提供了足够的扩展能力来满足各种业务场景的需求。
对于更复杂的转换需求,建议评估是否可以在业务层实现,或者考虑使用视图、计算列等数据库特性来辅助实现。
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