当前位置:首页 > 文章列表 > Golang > Go问答 > 生成 GraphQl 模型时跳过一些字段

生成 GraphQl 模型时跳过一些字段

来源:stackoverflow 2024-04-20 09:09:39 0浏览 收藏

“纵有疾风来,人生不言弃”,这句话送给正在学习Golang的朋友们,也希望在阅读本文《生成 GraphQl 模型时跳过一些字段》后,能够真的帮助到大家。我也会在后续的文章中,陆续更新Golang相关的技术文章,有好的建议欢迎大家在评论留言,非常感谢!

问题内容

我在 golang 项目中使用 gqlgen 库从 graphql 文件生成解析器和模型。 在我的项目中,我使用一种机制从 gqlgen 生成的模型生成查询。

当该模型与他自己(圆圈)没有关系字段时,所有事情都是正确的。

我正在寻找某种方法来不生成这些字段,换句话说,我不需要这些字段位于模型中。我只需要它的解析器。

例如,这是我的 graphql 文件:

type menu {
    id: int!
    submenu: menu!
    }

这是生成的模型:

type menu struct {
    id           int            `json:"id"`
    submenu      *menu       `json:"product"`
}

我只需要 submenu 字段的解析器。所以我的 gqlgen.yml 文件与以下内容相同:

models:
  Menu:
    fields:
      SubMenu:
          resolver: true

有什么方法可以告诉 gqlgen 在生成模型时跳过某些字段吗?或者您有其他解决方案来处理它吗?


正确答案


您可以 configure where the model will be generated in your gqlgen.yml 例如:

model:
  filename: graph/model/models_gen.go
  package: model

但这并不意味着您不能将自己的文件添加到与生成的文件相同的包中(此处为 model)。因此,您可以在这些文件中自定义模型,并且它们在模型生成过程中将保持不变。此外,gqlgen 代码生成不会尝试生成包中已存在的模型结构。

例如,在上面的示例中,如果您在包 model 中声明自己的 menu 结构体,且位于与 gqlgen.yml 中指定的文件不同的文件中,则不会在生成的文件中生成模型结构体 menu 的代码。

示例

https://github.com/99designs/gqlgen/tree/master/example/starwars/models

今天带大家了解了的相关知识,希望对你有所帮助;关于Golang的技术知识我们会一点点深入介绍,欢迎大家关注golang学习网公众号,一起学习编程~

版本声明
本文转载于:stackoverflow 如有侵犯,请联系study_golang@163.com删除
沙盒游戏《我的世界》真人电影杀青,2025 年 4 月 4 日北美上映沙盒游戏《我的世界》真人电影杀青,2025 年 4 月 4 日北美上映
上一篇
沙盒游戏《我的世界》真人电影杀青,2025 年 4 月 4 日北美上映
如何使用 CMake 将 Go 代码编译并链接到 C++
下一篇
如何使用 CMake 将 Go 代码编译并链接到 C++
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    343次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    405次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    404次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    364次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    186次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码