当前位置:首页 > 文章列表 > 文章 > java教程 > JPQL模糊查询技巧分享

JPQL模糊查询技巧分享

2026-01-22 12:00:52 0浏览 收藏

怎么入门文章编程?需要学习哪些知识点?这是新手们刚接触编程时常见的问题;下面golang学习网就来给大家整理分享一些知识点,希望能够给初学者一些帮助。本篇文章就来介绍《JPQL中LIKE实现模糊查询方法》,涉及到,有需要的可以收藏一下

如何在JPQL中使用LIKE实现子字符串模糊查询

本文介绍在Hibernate JPQL中正确实现子字符串模糊匹配的方法,解决因误用concat导致的语法错误问题,通过LIKE配合concat构造动态通配符查询。

在使用Hibernate进行JPQL查询时,若需根据部分名称(子字符串)检索实体,常见误区是直接将SQL风格的CONCAT函数与条件逻辑混用,例如错误地写成 where campo concat('%', :param, '%')——这在JPQL中语法不合法,因为concat只是字符串函数,不能单独作为谓词使用。

正确做法是结合LIKE操作符与concat函数,显式构建含通配符的匹配模式。LIKE是JPQL标准支持的模糊匹配关键字,必须搭配%(任意长度字符)或_(单个字符)通配符使用。而concat('%', :nome, '%')的作用是动态生成形如 %hospital% 的模式字符串,供LIKE进行匹配。

修正后的代码如下:

public List pesquisar(String nome) {
    TypedQuery query = manager.createQuery(
        "FROM UnidadeDeSaude WHERE nomeDoEstabelecimento LIKE CONCAT('%', :nomeDoEstabelecimento, '%')", 
        UnidadeDeSaude.class
    );
    query.setParameter("nomeDoEstabelecimento", nome); // ✅ 不要额外加 '%'!
    return query.getResultList();
}

⚠️ 关键注意事项:

  • CONCAT在JPQL中是标准函数(JPA 2.0+),但大小写不敏感,建议统一用大写以提高可读性;
  • 参数值(如nome)应直接传入原始字符串(如 "Santa"),切勿手动拼接 '%' ——通配符已由CONCAT在JPQL层面处理;
  • 若需忽略大小写匹配,可改用 LOWER(nomeDoEstabelecimento) LIKE LOWER(CONCAT('%', :nome, '%'));
  • 替代方案:使用@NamedQuery或Spring Data JPA的派生查询(如 findByNomeDoEstabelecimentoContaining(String nome)),更简洁且类型安全。

总结:JPQL中子字符串搜索的核心是 LIKE + CONCAT 组合,而非模仿原生SQL的语法结构。掌握这一模式,既能保证跨数据库兼容性,又能避免运行时QuerySyntaxException异常。

到这里,我们也就讲完了《JPQL模糊查询技巧分享》的内容了。个人认为,基础知识的学习和巩固,是为了更好的将其运用到项目中,欢迎关注golang学习网公众号,带你了解更多关于的知识点!

Python高可用网络程序设计技巧Python高可用网络程序设计技巧
上一篇
Python高可用网络程序设计技巧
VSCode联动Vue调试设置教程
下一篇
VSCode联动Vue调试设置教程
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。
    256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。
    299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。
    275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。
    256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。
    61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