تنزيل smort query - تنزيل رمز مصدر smort query Query

استعلام Smort

Lazy تقييم الاستعلام لتنفيذ البحث من خلال كائنات Python المستوحاة من Querysets Django.

Github: https://github.com/matiuszka/smort-query
PYPI: https://pypi.org/project/smort-query

الأساس المنطقي

في لحظات عديدة من مهام البرمجة لدينا ، يتعين علينا تصفية المواد المتكررة بحثًا عن الكائنات الصحيحة بالترتيب الصحيح. أدركت أن رمز الوقت يبدو كما هو تقريبًا ، ولكن ما نوع الواجهة سيكون أسهل في استخدامه؟ في تلك اللحظة ، اكتشفت أن تطبيق Django Querysets هو نوع من السهل والمعروف.

لذلك قررت أن أكتب محرك استعلام صغير أن الواجهة سيكون مشابهًا لـ Django One. لكنه سيعمل مع كائنات بيثون. كان الافتراض الإضافي أنه سيتم تقييمه كسول لتجنب استهلاك الذاكرة.

تنسيق البحث

تبادل الفكرة الكاملة على وسيطات التسمية الكلمات الرئيسية. دعونا نفكر في اتباع QualName attr1.attr2 الذي يمكننا استخدامه للحصول على أو تعيين قيمة للسمة. هذا المحرك يفعل الأشياء بشكل مشابه ولكن بدلاً من الفصل بواسطة DOT ( . ) نحن نفصل بعلامات __ . لذلك يمكن تحويل المثال أعلاه إلى اسم وسيطة الكلمة الرئيسية مثل attr1__attr2 . بسبب حقيقة أننا لا نستطيع استخدامها . في أسماء الحجج.

بالنسبة لبعض الطرق مثل filter exclude ، يمكننا أيضًا تحديد المقارنة. بشكل افتراضي ، تقارن هذه الطرق مع المساواة == . لكن يمكننا تغييره بسهولة. إذا أردنا المقارنة باستخدام <= يمكننا استخدام __le أو __lte postfix. لذلك سوف ينتهي بنا المطاف باسم الوسيطة مثل attr1__attr2__lt .

يتم وصف جميع المقارنات المدعومة هنا في قسم المقارنات المدعومة.

تثبيت

 pip install smort-query

الاستيراد

 from smort_query import ObjectQuery
# or by alias
from smort_query import OQ

كيف يعمل؟

الأساسيات

كل طريقة في ObjectQuery تنتج استعلامًا جديدًا. مما يجعل التسلسل سهلاً للغاية. الشيء الأكثر أهمية هو أن مثيلات ObjectQuery غير معروفة - فهذا يعني أنها لا تقوم بتحميل كائنات على الذاكرة حتى عندما نرسلها.

يمكن تقييم مجموعات الاستعلام بعدة طرق:

التكرار:

 query = ObjectQuery ( range ( 5 ))

for obj in query :
    print ( obj )

"""out:
1
2
3
4
5
"""

فحص الطول:

 query = ObjectQuery ( range ( 10 ))

len ( query )
"""out:
10
"""

استعلام عكس:

 query = ObjectQuery ( range ( 10 ))

query . reverse ()
"""out:
<ObjectQuery for <reversed object at 0x04E8B460>>
"""

list ( list ( query . reverse ()))
"""out
[9, 8, 7, 6, 5, 4, 3, 2, 1, 0]
"""

الحصول على العناصر:

الحصول على الفهرس تقييم الاستعلام:

 query = ObjectQuery ( range ( 10 ))
query [ 5 ]
"""out:
5
"""

لكن الشرائح لا! يخلقون استعلامًا آخر.

 query = ObjectQuery ( range ( 10 ))
query [ 5 : 0 : - 1 ]
"""out:
<ObjectQuery for <generator object islice_extended at 0x0608B338>>
"""
list ( query [ 5 : 0 : - 1 ])
"""out:
[5, 4, 3, 2, 1]
"""

تهيئة الكائنات الأخرى التي تستخدم التكرار/التكرار (لا تزال نفس الآلية تقريبًا مثل التكرار الطبيعي):

 query1 = ObjectQuery ( range ( 10 ))
query2 = ObjectQuery ( range ( 10 ))

list ( query1 )
"""out:
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
"""
tuple ( query2 )
"""out:
(0, 1, 2, 3, 4, 5, 6, 7, 8, 9)
"""

حالات المستخدم

دعونا نفكر في الكود المتساقط لملء البشر المزيفين:

 from random import randint , choice


class Human :
    def __init__ ( self , name , age , sex , height , weight ):
        self . name = name
        self . age = age
        self . sex = sex
        self . height = height
        self . weight = weight

    def __repr__ ( self ):
        return str ( self . __dict__ )


def make_random_human ( name ):
    return Human (
        name = name ,
        age = randint ( 20 , 80 ),
        sex = choice (( 'female' , 'male' )),
        height = randint ( 160 , 210 ),
        weight = randint ( 60 , 80 ),
    )

إنشاء 10 بشر عشوائي:

 humans = [ make_random_human ( i ) for i in range ( 10 )]
"""out:
[{'name': 0, 'age': 24, 'sex': 'female', 'height': 161, 'weight': 71},
 {'name': 1, 'age': 33, 'sex': 'female', 'height': 205, 'weight': 67},
 {'name': 2, 'age': 45, 'sex': 'female', 'height': 186, 'weight': 74},
 {'name': 3, 'age': 48, 'sex': 'female', 'height': 173, 'weight': 78},
 {'name': 4, 'age': 73, 'sex': 'male', 'height': 174, 'weight': 62},
 {'name': 5, 'age': 75, 'sex': 'male', 'height': 189, 'weight': 77},
 {'name': 6, 'age': 64, 'sex': 'male', 'height': 179, 'weight': 63},
 {'name': 7, 'age': 35, 'sex': 'female', 'height': 170, 'weight': 75},
 {'name': 8, 'age': 64, 'sex': 'male', 'height': 188, 'weight': 72},
 {'name': 9, 'age': 43, 'sex': 'female', 'height': 198, 'weight': 78}]
"""

تصفية واستبعاد

العثور على الشعوب من العمر بين [30 ؛ 75). لذلك سوف نستخدم المقارنات المتخصصة:

 list ( ObjectQuery ( humans ). filter ( age__ge = 30 , age__lt = 75 ))
"""out:
[{'name': 1, 'age': 33, 'sex': 'female', 'height': 205, 'weight': 67},
 {'name': 2, 'age': 45, 'sex': 'female', 'height': 186, 'weight': 74},
 {'name': 3, 'age': 48, 'sex': 'female', 'height': 173, 'weight': 78},
 {'name': 4, 'age': 73, 'sex': 'male', 'height': 174, 'weight': 62},
 {'name': 6, 'age': 64, 'sex': 'male', 'height': 179, 'weight': 63},
 {'name': 7, 'age': 35, 'sex': 'female', 'height': 170, 'weight': 75},
 {'name': 8, 'age': 64, 'sex': 'male', 'height': 188, 'weight': 72},
 {'name': 9, 'age': 43, 'sex': 'female', 'height': 198, 'weight': 78}]
"""

يمكننا أيضًا استبعاد الذكور بطريقة مماثلة:

 list ( ObjectQuery ( humans ). exclude ( sex = "male" ))
"""out:
[{'name': 0, 'age': 24, 'sex': 'female', 'height': 161, 'weight': 71},
 {'name': 1, 'age': 33, 'sex': 'female', 'height': 205, 'weight': 67},
 {'name': 2, 'age': 45, 'sex': 'female', 'height': 186, 'weight': 74},
 {'name': 3, 'age': 48, 'sex': 'female', 'height': 173, 'weight': 78},
 {'name': 7, 'age': 35, 'sex': 'female', 'height': 170, 'weight': 75},
 {'name': 9, 'age': 43, 'sex': 'female', 'height': 198, 'weight': 78}]
 """

ترتيب

الطلب حسب سمات sex بترتيب تصاعدي:

 list ( ObjectQuery ( humans ). order_by ( "sex" ))
"""out
[{'name': 0, 'age': 24, 'sex': 'female', 'height': 161, 'weight': 71},
 {'name': 1, 'age': 33, 'sex': 'female', 'height': 205, 'weight': 67},
 {'name': 2, 'age': 45, 'sex': 'female', 'height': 186, 'weight': 74},
 {'name': 3, 'age': 48, 'sex': 'female', 'height': 173, 'weight': 78},
 {'name': 7, 'age': 35, 'sex': 'female', 'height': 170, 'weight': 75},
 {'name': 9, 'age': 43, 'sex': 'female', 'height': 198, 'weight': 78},
 {'name': 4, 'age': 73, 'sex': 'male', 'height': 174, 'weight': 62},
 {'name': 5, 'age': 75, 'sex': 'male', 'height': 189, 'weight': 77},
 {'name': 6, 'age': 64, 'sex': 'male', 'height': 179, 'weight': 63},
 {'name': 8, 'age': 64, 'sex': 'male', 'height': 188, 'weight': 72}]
"""

ترتيب سمات sex بترتيب تنازلي:

 list ( ObjectQuery ( humans ). order_by ( "-sex" ))
"""out
[{'name': 4, 'age': 73, 'sex': 'male', 'height': 174, 'weight': 62},
 {'name': 5, 'age': 75, 'sex': 'male', 'height': 189, 'weight': 77},
 {'name': 6, 'age': 64, 'sex': 'male', 'height': 179, 'weight': 63},
 {'name': 8, 'age': 64, 'sex': 'male', 'height': 188, 'weight': 72},
 {'name': 0, 'age': 24, 'sex': 'female', 'height': 161, 'weight': 71},
 {'name': 1, 'age': 33, 'sex': 'female', 'height': 205, 'weight': 67},
 {'name': 2, 'age': 45, 'sex': 'female', 'height': 186, 'weight': 74},
 {'name': 3, 'age': 48, 'sex': 'female', 'height': 173, 'weight': 78},
 {'name': 7, 'age': 35, 'sex': 'female', 'height': 170, 'weight': 75},
 {'name': 9, 'age': 43, 'sex': 'female', 'height': 198, 'weight': 78}]
"""

الطلب بسمات متعددة:

 list ( ObjectQuery ( humans ). order_by ( "-sex" , "height" ))
"""out:
[{'name': 5, 'age': 75, 'sex': 'male', 'height': 189, 'weight': 77},
 {'name': 8, 'age': 64, 'sex': 'male', 'height': 188, 'weight': 72},
 {'name': 6, 'age': 64, 'sex': 'male', 'height': 179, 'weight': 63},
 {'name': 4, 'age': 73, 'sex': 'male', 'height': 174, 'weight': 62},
 {'name': 1, 'age': 33, 'sex': 'female', 'height': 205, 'weight': 67},
 {'name': 9, 'age': 43, 'sex': 'female', 'height': 198, 'weight': 78},
 {'name': 2, 'age': 45, 'sex': 'female', 'height': 186, 'weight': 74},
 {'name': 3, 'age': 48, 'sex': 'female', 'height': 173, 'weight': 78},
 {'name': 7, 'age': 35, 'sex': 'female', 'height': 170, 'weight': 75},
 {'name': 0, 'age': 24, 'sex': 'female', 'height': 161, 'weight': 71}]
"""

علق

إذا كانت بعض السمات قيمتها للتصفية والطلب غير متوفرة باليد ، فيمكننا حسابها أثناء الطيران:

 # Sorry for example if someone feels offended
root_query = ObjectQuery ( humans )

only_females = root_query . filter ( sex = "female" )  # reduce objects for annotation calculation
bmi_annotated_females = only_females . annotate ( bmi = lambda obj : obj . weight / ( obj . height / 100 ) ** 2 )
overweight_females = bmi_annotated_females . filter ( bmi__gt = 25 )
overweight_females_ordered_by_age = overweight_females . order_by ( "age" )
list ( overweight_females_ordered_by_age )
"""out:
[{'name': 0, 'age': 24, 'sex': 'female', 'height': 161, 'weight': 71, 'bmi': 27.390918560240728},
 {'name': 7, 'age': 35, 'sex': 'female', 'height': 170, 'weight': 75, 'bmi': 25.95155709342561},
 {'name': 3, 'age': 48, 'sex': 'female', 'height': 173, 'weight': 78, 'bmi': 26.061679307694877}]
"""

نسخ

كل طريقة استعلام يعيد نسخة. حيث لا يؤثر التكرار على تلك التي تم إنشاؤها حديثًا إلى مصادر الكائنات.

 root_query = ObjectQuery ( humans ). filter ( age__ge = 30 , age__lt = 75 )
query1 = root_query . filter ( weight__gt = 75 )
query2 = root_query . filter ( weight__in = [ 78 , 62 ])

list ( query1 )
"""out:
[{'name': 3, 'age': 48, 'sex': 'female', 'height': 173, 'weight': 78},
 {'name': 9, 'age': 43, 'sex': 'female', 'height': 198, 'weight': 78}]
"""

list ( query2 )
"""out:
[{'name': 3, 'age': 48, 'sex': 'female', 'height': 173, 'weight': 78},
 {'name': 4, 'age': 73, 'sex': 'male', 'height': 174, 'weight': 62},
 {'name': 9, 'age': 43, 'sex': 'female', 'height': 198, 'weight': 78}]
"""

list ( root_query )
"""out:
[{'name': 1, 'age': 33, 'sex': 'female', 'height': 205, 'weight': 67},
 {'name': 2, 'age': 45, 'sex': 'female', 'height': 186, 'weight': 74},
 {'name': 3, 'age': 48, 'sex': 'female', 'height': 173, 'weight': 78},
 {'name': 4, 'age': 73, 'sex': 'male', 'height': 174, 'weight': 62},
 {'name': 6, 'age': 64, 'sex': 'male', 'height': 179, 'weight': 63},
 {'name': 7, 'age': 35, 'sex': 'female', 'height': 170, 'weight': 75},
 {'name': 8, 'age': 64, 'sex': 'male', 'height': 188, 'weight': 72},
 {'name': 9, 'age': 43, 'sex': 'female', 'height': 198, 'weight': 78}]
"""

ولكن في بعض الأحيان قد يؤدي تقييم بعض الاستعلام في منتصف السلسلة إلى كسره ، لذلك عندما ترغب صراحة في توفير نسخة من الاستعلام وتأكد من أن الإجراءات الإضافية على root لن تؤثر على الاستعلام ، يمكنك القيام بذلك:

 root_query = ObjectQuery ( humans )
copy = root_query . all ()

عكس

يمكنك أيضًا عكس الاستعلام ، ولكن تذكر أنه سيقوم بتقييم الاستعلام:

 root_query = ObjectQuery ( humans ). reverse ()
list ( root_query )
"""out:
[{'name': 9, 'age': 43, 'sex': 'female', 'height': 198, 'weight': 78},
 {'name': 8, 'age': 64, 'sex': 'male', 'height': 188, 'weight': 72},
 {'name': 7, 'age': 35, 'sex': 'female', 'height': 170, 'weight': 75},
 {'name': 6, 'age': 64, 'sex': 'male', 'height': 179, 'weight': 63},
 {'name': 5, 'age': 75, 'sex': 'male', 'height': 189, 'weight': 77},
 {'name': 4, 'age': 73, 'sex': 'male', 'height': 174, 'weight': 62},
 {'name': 3, 'age': 48, 'sex': 'female', 'height': 173, 'weight': 78},
 {'name': 2, 'age': 45, 'sex': 'female', 'height': 186, 'weight': 74},
 {'name': 1, 'age': 33, 'sex': 'female', 'height': 205, 'weight': 67},
 {'name': 0, 'age': 24, 'sex': 'female', 'height': 161, 'weight': 71}]
"""

أو

bitwise أو يجمع بين اثنين من الاستفسارات معا. نفس طريقة union . لاحظ أنه بعد أوج اثنين من الاستفسارات أو أكثر ، قد تكون هناك حاجة إلى الطلب:

 root_query = ObjectQuery ( humans )
males = root_query . filter ( sex = "male" )
females = root_query . filter ( sex = "female" )
both1 = ( males | females )
both2 = males . union ( females )

list ( both1 )
"""out:
[{'name': 4, 'age': 73, 'sex': 'male', 'height': 174, 'weight': 62},
 {'name': 5, 'age': 75, 'sex': 'male', 'height': 189, 'weight': 77},
 {'name': 6, 'age': 64, 'sex': 'male', 'height': 179, 'weight': 63},
 {'name': 8, 'age': 64, 'sex': 'male', 'height': 188, 'weight': 72},
 {'name': 0, 'age': 24, 'sex': 'female', 'height': 161, 'weight': 71},
 {'name': 1, 'age': 33, 'sex': 'female', 'height': 205, 'weight': 67},
 {'name': 2, 'age': 45, 'sex': 'female', 'height': 186, 'weight': 74},
 {'name': 3, 'age': 48, 'sex': 'female', 'height': 173, 'weight': 78},
 {'name': 7, 'age': 35, 'sex': 'female', 'height': 170, 'weight': 75},
 {'name': 9, 'age': 43, 'sex': 'female', 'height': 198, 'weight': 78}]
"""
list ( both2 )
"""out:
[{'name': 4, 'age': 73, 'sex': 'male', 'height': 174, 'weight': 62},
 {'name': 5, 'age': 75, 'sex': 'male', 'height': 189, 'weight': 77},
 {'name': 6, 'age': 64, 'sex': 'male', 'height': 179, 'weight': 63},
 {'name': 8, 'age': 64, 'sex': 'male', 'height': 188, 'weight': 72},
 {'name': 0, 'age': 24, 'sex': 'female', 'height': 161, 'weight': 71},
 {'name': 1, 'age': 33, 'sex': 'female', 'height': 205, 'weight': 67},
 {'name': 2, 'age': 45, 'sex': 'female', 'height': 186, 'weight': 74},
 {'name': 3, 'age': 48, 'sex': 'female', 'height': 173, 'weight': 78},
 {'name': 7, 'age': 35, 'sex': 'female', 'height': 170, 'weight': 75},
 {'name': 9, 'age': 43, 'sex': 'female', 'height': 198, 'weight': 78}]
"""

المقارنات المدعومة

يدعم المشروع العديد من المقارنات التي يمكن اختيارها على أنها postfix للبحث:

المقارنة الافتراضية هو eq
eq يجعل a == b
exact يجعل a == b
in يجعل a in b
contains يجعل b in a
gt يجعل a > b
gte يجعل a >= b
ge يجعل a >= b
lt يجعل a < b
lte يجعل a <= b
le يجعل a <= b

تودوس

وثائق sphinx.
أساليب asc() و desc() التي تعمل مثل order_by() ولكن مع ترتيب محدد مقدمًا.
أساليب unique_justseen() و unique_everseen() لإزالة التكرارات. المقارنة التي تحققها السمات التي تم تمريرها أو تفويضها إلى المساواة في الكائنات __eq__ .
طريقة intersection() لإيجاد كائنات شائعة في استفسارين. المقارنة التي تحققها السمات التي تم تمريرها أو تفويضها إلى المساواة في الكائنات __eq__ .
التحسين __len__ و __getitem__ لتقييم الاستعلام مرة واحدة فقط لكل دورة حياة.

مساهمة

أي شكل من أشكال المساهمة موضع تقدير. العثور على القضايا والأفكار الجديدة والميزات الجديدة. وبالطبع نرحب بك لإنشاء العلاقات العامة لهذا المشروع.

يوسع

smort query

استعلام Smort

الأساس المنطقي

تنسيق البحث

تثبيت

الاستيراد

كيف يعمل؟

الأساسيات

حالات المستخدم

تصفية واستبعاد

ترتيب

علق

نسخ

عكس

أو

المقارنات المدعومة

تودوس

مساهمة

GitHub sgrebnov/cordova plugin background download

Wa ch ull navra maza navsacha 2 2024 ull ovie Fr e Online On Strea ings

Wa ch navra maza navsacha 2 2024 ull ovie Online For Fr e Strea ings At Home

Wa ch the greatest of all time 2024 ull ovie Online For Fr e Strea ings At Home

wolfs 2024 f llmo ie f lmyz lla dow load ree 7 0p 4 0p a d 10 0p

Xluo Query غرفة دردشة كبيرة

chat.petals.dev

GPT Prompt Templates

GPTyped

Google Dorks

shepherd

mongo express

Google Dorks

shepherd

mongo express