当前位置:首页 > 文章列表 > Golang > Go教程 > GORM多列模糊查询巧避删除标记,防止误查已删除记录

GORM多列模糊查询巧避删除标记,防止误查已删除记录

2025-04-03 08:19:00 0浏览 收藏

本文介绍了使用GORM框架进行多列模糊查询时如何避免查询到已删除记录的问题。 在进行username和nickname字段的模糊匹配的同时,需要排除is_del=1的已删除记录。直接使用`Where`和`Or`方法组合查询会导致逻辑错误,本文提供了正确的解决方案:将所有查询条件(包括模糊匹配和软删除过滤)合并到一个`Where`语句中,并使用括号控制运算符优先级,确保只查询到未删除且满足模糊匹配条件的记录,从而获得准确的查询结果。 避免GORM多列模糊查询与软删除冲突,提升数据查询效率。

GORM多列模糊查询和删除标记冲突:如何避免查询出已删除记录?

GORM多列模糊查询与软删除冲突的解决方案

在使用GORM进行数据库操作时,常常需要同时进行多列模糊查询和软删除过滤。如果不正确处理,可能会导致查询结果包含已删除的记录。本文将介绍如何有效避免这种情况。

问题:假设需要根据关键词模糊匹配username和nickname两列,同时排除is_del为1(已删除)的记录。直接使用where和or方法组合查询可能会导致错误。

错误示例:

_db = _db.Where("username like ?", "%"+keyword+"%").Or("nickname like ?", "%"+keyword+"%")

上述代码使用Or方法,导致即使is_del为1,只要username或nickname匹配关键词,记录也会被查询出来。

解决方案:将所有条件合并到一个Where语句中:

_db = _db.Where(" (username LIKE ? OR nickname LIKE ?) AND is_del = ?", "%"+keyword+"%", "%"+keyword+"%", 0)

改进后的代码使用括号将username和nickname的模糊匹配条件组合,并使用AND条件与is_del = 0连接。这样,只有同时满足模糊匹配和未删除条件的记录才会被查询到,有效避免了软删除记录的误查。

通过这种方法,可以确保GORM多列模糊查询与软删除条件同时生效,从而获得准确的查询结果。 记住使用括号来确保操作符优先级,避免逻辑错误。

今天关于《GORM多列模糊查询巧避删除标记,防止误查已删除记录》的内容就介绍到这里了,是不是学起来一目了然!想要了解更多关于的内容请关注golang学习网公众号!

JSON字符串转JS对象方法与示例JSON字符串转JS对象方法与示例
上一篇
JSON字符串转JS对象方法与示例
在HTML中插入音频文件可以通过使用<audio>标签来实现。以下是一个简单的示例,展示了如何在网页中嵌入一个音频文件:<audiocontrols><sourcesrc=
下一篇
在HTML中插入音频文件可以通过使用<audio>标签来实现。以下是一个简单的示例,展示了如何在网页中嵌入一个音频文件:<audiocontrols><sourcesrc="audiofile.mp3"type="audio/mpeg">你的浏览器不支持音频播放。</audio>在这个示例中:<audio>标签用于嵌入音频内容。contr
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。
    459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。
    521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。
    536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。
    486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。
    306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