记录一下工作中遇到的问题

最近在写restfulframework,感觉还是很便利的

首先贴一下文档地址

https://www.django-rest-framework.org/api-guide/filtering/

https://www.django-rest-framework.org/api-guide/serializers/

https://www.django-rest-framework.org/api-guide/relations/#manytomanyfields-with-a-through-model

使用GernricViewSet可以便捷的新增接口,在类中定义queryset指定模型,用serializer_class指定序列化类,用pagination_class指定分页类,再用filter_backends和filter_class做筛选,可以解决大部分curd问题,如下

class GitLabCommit(mixins.ListModelMixin, mixins.RetrieveModelMixin,viewsets.GenericViewSet):
#加RetriveModelMixin可以查询特定模型的信息
queryset = GitCommit.objects.all()
serializer_class = CommitSerializer
pagination_class = MyPageNumberPagination
filter_backends = (DjangoFilterBackend,)
filter_class = UserCommitFilter

其中模型类无需多言,序列化类形如下

class CommitSerializer(serializers.ModelSerializer):
author_email = serializers.CharField(source='author.email')
branch_name = serializers.CharField(source = "branch.branchName")
branch_project_name = serializers.CharField(source="branch.project.projectName") class Meta:
model = GitCommit
fields = "__all__"

fields这里也可以写成元组的形式

fields = ("StaffId","name","staff_name")

分页类类似这样

class MyCursorPagination(pagination.CursorPagination):
"""
Cursor 光标分页 性能高,安全
"""
page_size = 9
ordering = '-update_time'
page_size_query_param = "pages"
max_page_size = 20
cursor_query_description = '页面'
page_size_query_description = '每页条数' class MyPageNumberPagination(pagination.PageNumberPagination):
"""
普通分页,数据量越大性能越差
"""
page_size = 11
page_size_query_param = 'size'
page_query_param = 'page'
max_page_size = 20

这是过滤器类,可以直接定义查找字段或者通过方法进行复杂查找

class UserCommitFilter(filters.FilterSet):
user_id = filters.NumberFilter(field_name='author__StaffId', lookup_expr='exact')
start_date = filters.DateFilter(field_name='commitDate', lookup_expr='gte')
end_date = filters.DateFilter(field_name='commitDate', lookup_expr='lt')
commit_sum = filters.NumberFilter(method="get_sum") def get_sum(self,queryset,name,values):
if values == 1:
return queryset.annotate(total_addLines = Sum("addLines"),total_delLins = Sum("delLines"),total_totalLins = Sum("totalLines"))

这里有一个问题:如果序列化所涉及的模型是关联模型怎么办呢?

可以参考这个

https://zhuanlan.zhihu.com/p/27667372

这里特别说一下,对于多对多模型,可以通过嵌套来进行关联,如下

模型定义

class Staff(BaseTable):
StaffId = models.IntegerField(primary_key=True, help_text="工号")
email = models.CharField(max_length=50,default="",null=True,help_text="邮箱")
name = models.CharField(max_length=50,default="",null=True,help_text="姓名")
department = models.ForeignKey(Department,on_delete=models.CASCADE) def __str__(self):
return "%s:%s"%(self.StaffId,self.name)
class Meta:
db_table = "gitlab_measure_staff" class GitGroup(BaseTable):
id = models.AutoField(primary_key=True, help_text="ID")
name = models.CharField(max_length=100,default="",null=True,help_text="组名称")
members = models.ManyToManyField(Staff) class Meta:
db_table = "gitlab_measure_gitgroup"

序列化

class StaffSerializer(serializers.ModelSerializer):
staff_name = serializers.CharField(source="name")
class Meta:
model = Staff
fields = ("StaffId","name","staff_name") class GitGroupSerializer(serializers.ModelSerializer):
members = StaffSerializer(many=True,read_only=True)
class Meta:
model = GitGroup
fields = ("id","name","members")

如果此时又有一个project类中的group关联到gitgroup,希望在展示的时候展示出组中所有成员该怎么办呢?

这里可以使用depth指定查询的深度

class ProjectSerializer(serializers.ModelSerializer):
gitGroup_name = serializers.CharField(source='gitGroup.name')
gitGroup_id = serializers.CharField(source="gitGroup.id")
department_name = serializers.CharField(source="department.name") class Meta:
model = GitProject
fields = "__all__"
depth = 2

这样在结果中就能看到展示的组和成员了,因为在serilizers.ModelSerializer中的get_field()方法中会根据调用self.build_field,将depth传入,build_field方法会调用self.buid_nested_field方法来,再返回一个ModelSerializer类,再在外层函数中循环调用来获取层层对象,最多不超过10层

        for field_name in field_names:
# If the field is explicitly declared on the class then use that.
if field_name in declared_fields:
fields[field_name] = declared_fields[field_name]
continue extra_field_kwargs = extra_kwargs.get(field_name, {})
source = extra_field_kwargs.get('source', '*')
if source == '*':
source = field_name # Determine the serializer field class and keyword arguments.
field_class, field_kwargs = self.build_field(
source, info, model, depth
) # Include any kwargs defined in `Meta.extra_kwargs`
field_kwargs = self.include_extra_kwargs(
field_kwargs, extra_field_kwargs
) # Create the serializer field.
fields[field_name] = field_class(**field_kwargs)
    def build_field(self, field_name, info, model_class, nested_depth):
"""
Return a two tuple of (cls, kwargs) to build a serializer field with.
"""
if field_name in info.fields_and_pk:
model_field = info.fields_and_pk[field_name]
return self.build_standard_field(field_name, model_field) elif field_name in info.relations:
relation_info = info.relations[field_name]
if not nested_depth:
return self.build_relational_field(field_name, relation_info)
else:
return self.build_nested_field(field_name, relation_info, nested_depth) elif hasattr(model_class, field_name):
return self.build_property_field(field_name, model_class) elif field_name == self.url_field_name:
return self.build_url_field(field_name, model_class) return self.build_unknown_field(field_name, model_class)
    def build_nested_field(self, field_name, relation_info, nested_depth):
"""
Create nested fields for forward and reverse relationships.
"""
class NestedSerializer(ModelSerializer):
class Meta:
model = relation_info.related_model
depth = nested_depth - 1
fields = '__all__' field_class = NestedSerializer
field_kwargs = get_nested_relation_kwargs(relation_info) return field_class, field_kwargs

restfulframework引用多对多外键的更多相关文章

  1. Python sqlalchemy orm 多对多外键关联

    多对多外键关联 注:使用三张表进行对应关联 实现代码: # 创建3个表 配置外键关联 # 调用Column创建字段 加类型 from sqlalchemy import Table, Column, ...

  2. Django框架表关系外键-多对多外键(增删改查)-正反向的概率-多表查询(子查询与联表查询)

    目录 一:表关系外键 1.提前创建表关系 2.目前只剩 书籍表和 书籍作者表没创建信息. 3.增 4.删 5.修改 二:多对多外键增删改查 1.给书籍绑定作者 2.删 3.修改 4.清空 三:正反向的 ...

  3. 测试脚本配置、ORM必知必会13条、双下划线查询、一对多外键关系、多对多外键关系、多表查询

    测试脚本配置 ''' 当你只是想测试django中的某一个文件内容 那么你可以不用书写前后端交互的形式而是直接写一个测试脚本即可 脚本代码无论是写在应用下的test.py还是单独开设py文件都可以 ' ...

  4. postgreSQL外键引用查询 查询外键被那些表占用

    根据一个表名,查询所有外键引用它的表,以及那些外键的列名key_column_usage(系统列信息表),pg_constraint(系统所有约束表) SELECT x.table_name, x.c ...

  5. Python SQLAlchemy多对多外键关联时表结构

    # 创建多对多表结构 from sqlalchemy.ext.declarative import declarative_base from sqlalchemy.engine import cre ...

  6. Constraint6:更新外键约束(Foreign Key Constraint)的引用列

    在SQL Server中,表之间存在引用关系,引用关系通过创建外键约束(Foreign Key Constraint)实现.如果一个Table中的column被其他Table引用,那么该表是参考表,或 ...

  7. SQLSERVER清空(Truncate)被外键引用的数据表

    前言:我们知道SQLSERVER清空数据表有两种方式Delete和Truncate,当然两者的不同大家也都知道(不清楚的可以MSDN).不过这个错误“Cannot truncate table  be ...

  8. 第二百八十节,MySQL数据库-外键链表之一对多,多对多

    MySQL数据库-外键链表之一对多,多对多 外键链表之一对多 外键链表:就是a表通过外键连接b表的主键,建立链表关系,需要注意的是a表外键字段类型,必须与要关联的b表的主键字段类型一致,否则无法创建索 ...

  9. MySQL数据库之-foreign key 外键(一对多、多对多、一对一)、修改表、复制表

    摘要: 外键 一对多 外键 多对多 外键 一对一 --------------------------------------------------------------------------- ...

随机推荐

  1. OkHttp3 readError问题解决

    有些时候是服务端响应的太慢而本地链接又关闭引起的读取失败. 这时候可以调整本地链接关闭的时间. 例如以下设置超时关闭的时间为120秒. OkHttpClient okHttpClient = new ...

  2. SwiftUI or Flutter ?

    看到这篇好文,忍不住想分享一下 本文转自https://juejin.im/post/5d05b45bf265da1bcc193ff4 版权归原文所有 ------------------------ ...

  3. SQLServer查看及设置最大连接数(转)

    转自:https://blog.csdn.net/duanbeibei/article/details/86573840 很多时候自己本地开发会遇到 ,打开几个连接正常访问 之后就报错误,这时候需要调 ...

  4. js开启和关闭页面滚动【亲测有效】

    在移动端的页面开发过程中,经常会遇到点击弹框禁止页面滚动的情景,下面就来说下具体的做法... 第一步:构建一个函数 function bodyScroll(event){ event.preventD ...

  5. 为什么JDK代码这样写?final ReentrantLock takeLock = this.takeLock

    在CopyOnWriteArrayList的源码中有一个细节值得学习,就是在addIfAbsent方法中ReentrantLock的用法,先是将一个这个成员变量this.lock重新赋值给一个局部变量 ...

  6. zookeeper从3.4.8升级到3.4.14

    升级背景说明: 最近在做系统安全扫描时,扫出来zookeeper存在安全漏洞 Apache Zookeeper 缓冲区溢出漏洞(CVE--) 官方给出的升级建议: 地址:https://zookeep ...

  7. 如何分析redis中的慢查询

    慢查询的两个参数配置 慢查询只记录命令执行时间,并不包括命令排队和网络传输时间.因此客户端执行命令的时间会大于命令实际执行时间.因为命令执行排队机制,慢查询会导致其他命令级联阻塞,因此当客户端出现请求 ...

  8. CentOS7 安装Redis和PHP-redis扩展

    aemonize yes Redis是一个key-value存储系统,属于我们常说的NoSQL.它遵守BSD协议.支持网络.可基于内存亦可持久化的日志型.Key-Value数据库,并提供多种语言的AP ...

  9. 量化编程技术—pandas与数据分析

    # -*- coding: utf-8 -*- # @Date: 2017-08-26 # @Original: import numpy as np stock_cnt = 200 view_day ...

  10. python:字符串中提取特定的数据

    在日志文件中有一大堆,格式相同的文本,需要提取出接口耗时的时间 >>> 运单号:71742507538566,快递100接口耗时:8,返回结果:[{"lengthPre&q ...