Django ORM F查询和Q查询
2021/8/28 23:06:28
本文主要是介绍Django ORM F查询和Q查询,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
主要是ORM语句中不能传参,而且条件只能用A且B的条件.
所以我们需要用到F和Q的值,F是用来传参,Q是用来对多条件的且或非进行使用的.
class Book(models.Model): id = models.AutoField(primary_key=True) title = models.CharField(max_length=32) price = models.DecimalField(max_digits=8, decimal_places=2) ''' 如果之前表模型已经数据库创建过,这个时候再额外增加字段的话需要给他赋一个默认值. 否则会报错 让你select fix,设置默认值后可以按照之前的makemigrations和migrate 进行数据库写入这几个新增字段 ''' comment=models.IntegerField(default=0) read_num=models.IntegerField(default=0)
Book表加入2个字段后我们随便写点数据如下
#我们在查询过程中放入一个变量,默认是不支持变量的,这个时候需要引入一个F,相当于sql语句中的where #在F中,这个字段就变成了一个变量的概念.不是一个死值 # pub1=models.Book.objects.filter(comment__gt=read_num) #错误示范 from django.db.models import F # 查询Book中comment数大于read_num的记录 pub1=models.Book.objects.filter(comment__gt=F("read_num")) #把read_num传入到F()中去. # print(pub1) #Boook每个comment的值都加1 bk=models.Book.objects.update(comment = F("comment")+1) #Q 这个参数是用来实现多个筛选条件搭配的 # 比如我们要找价格小于45,评论数大于8的书籍,但是下面这种默认写法只支持且的筛选,如果要用或的筛选需要用Q()把条件都写在Q()里 # 且用& 或用| 非用~Q bk = models.Book.objects.filter(price__lt=45,comment__gt=8) from django.db.models import Q #~Q是代表非的意思 bk = models.Book.objects.filter(Q(price__lt=45) | Q(comment__gt=8)) bk = models.Book.objects.filter(Q(price__lt=45) | ~Q(comment__gt=8)) bk = models.Book.objects.filter((Q(price__lt=45) | ~Q(comment__gt=8) & Q(read_num__gt=10))) #如果有Q语句和默认的语句,默认的语句一定要放前面. bk = models.Book.objects.filter(price__lt=45 & (~Q(comment__gt=40)&Q(title="python")))
这篇关于Django ORM F查询和Q查询的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!
- 2024-11-20MongoDB教程:从入门到实践详解
- 2024-11-17执行 Google Ads API 查询后返回的是空数组什么原因?-icode9专业技术文章分享
- 2024-11-17google广告数据不同经理账户下的凭证可以获取对方的api数据吗?-icode9专业技术文章分享
- 2024-11-15SendGrid 的 Go 客户端库怎么实现同时向多个邮箱发送邮件?-icode9专业技术文章分享
- 2024-11-15SendGrid 的 Go 客户端库怎么设置header 和 标签tag 呢?-icode9专业技术文章分享
- 2024-11-12Cargo deny安装指路
- 2024-11-02MongoDB项目实战:从入门到初级应用
- 2024-11-01随时随地一键转录,Google Cloud 新模型 Chirp 2 让语音识别更上一层楼
- 2024-10-25Google Cloud动手实验详解:如何在Cloud Run上开发无服务器应用
- 2024-10-24AI ?先驱齐聚 BAAI 2024,发布大规模语言、多模态、具身、生物计算以及 FlagOpen 2.0 等 AI 模型创新成果。