smort query Download - smort query Source Source Download

Smort Query

การใช้งานแบบสอบถามที่ขี้เกียจประเมินสำหรับการค้นหาผ่านวัตถุ Python ที่ได้รับแรงบันดาลใจจาก Django QuerySets

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

เหตุผล

ในช่วงเวลาหลายช่วงเวลาของงานการเขียนโปรแกรมของเราเราต้องกรอง iterables ในการค้นหาวัตถุที่ถูกต้องตามลำดับที่ถูกต้อง ฉันรู้ว่ารหัสเวลาส่วนใหญ่มีลักษณะเหมือนกันเกือบเหมือนกัน แต่อินเทอร์เฟซแบบไหนจะใช้ง่ายที่สุด? ในช่วงเวลานั้นฉันพบว่าการใช้งาน Django Querysets นั้นมีประโยชน์และเป็นที่รู้จักกันดี

ดังนั้นฉันจึงตัดสินใจเขียนเอ็นจิ้นแบบสอบถามขนาดเล็กที่อินเทอร์เฟซจะคล้ายกับ Django One แต่มันจะใช้ได้กับวัตถุงูหลาม ข้อสันนิษฐานเพิ่มเติมคือว่ามันจะได้รับการประเมินขี้เกียจเพื่อหลีกเลี่ยงการใช้หน่วยความจำ

รูปแบบการค้นหา

ความคิดทั้งหมดถ่ายทอดในรูปแบบการตั้งชื่ออาร์กิวเมนต์คำหลัก ลองพิจารณาติดตาม qualname attr1.attr2 ซึ่งเราสามารถใช้เพื่อรับหรือตั้งค่าสำหรับแอตทริบิวต์ เครื่องยนต์นี้ทำสิ่งต่าง ๆ ในทำนองเดียวกัน แต่แทนที่จะแยกด้วย dot ( . ) เราแยกกันด้วยสัญญาณ __ ดังนั้นตัวอย่างข้างต้นสามารถแปลงเป็นชื่ออาร์กิวเมนต์คำหลักเช่น attr1__attr2 เนื่องจากความจริงที่ว่าเราไม่สามารถใช้งาน . ในชื่ออาร์กิวเมนต์

สำหรับวิธีการบางอย่างเช่น filter และ exclude เรายังสามารถระบุตัวเปรียบเทียบได้ โดยค่าเริ่มต้นวิธีการเหล่านั้นจะเปรียบเทียบกับความเท่าเทียมกัน == แต่เราสามารถเปลี่ยนได้อย่างง่ายดาย หากเราต้องการเปรียบเทียบโดยใช้ <= เราสามารถใช้ __le หรือ __lte postfix ดังนั้นเราจะจบลงด้วยชื่ออาร์กิวเมนต์เช่น attr1__attr2__lt

ตัวเปรียบเทียบที่รองรับทั้งหมดอธิบายไว้ที่นี่ในส่วนเปรียบเทียบที่รองรับ

การติดตั้ง

 pip install smort-query

การนำเข้า

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

มันทำงานอย่างไร?

พื้นฐาน

แต่ละวิธีใน ObjectQuery สร้างแบบสอบถามใหม่ ซึ่งทำให้การผูกมัดง่ายมาก สิ่งที่สำคัญที่สุดคืออินสแตนซ์ ObjectQuery ไม่ได้รับการประเมิน - หมายความว่าพวกเขาไม่ได้โหลดวัตถุไปยังหน่วยความจำแม้ว่าเราจะผูกมัดพวกเขา

ชุดค้นหาสามารถประเมินได้หลายวิธี:

การทำซ้ำ:

 query = ObjectQuery ( range ( 5 ))

for obj in query :
    print ( obj )

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

การตรวจสอบความยาว:

 query = ObjectQuery ( range ( 10 ))

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

การย้อนกลับแบบสอบถาม:

 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]
"""

รับรายการ:

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

แต่ไม่ได้! พวกเขาสร้างแบบสอบถามอื่น

 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]
"""

การเริ่มต้นวัตถุอื่น ๆ ที่ใช้ตัววนซ้ำ/iterables (มันยังคงเป็นกลไกเดียวกันเกือบเหมือนการวนซ้ำปกติ):
```
 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)
"""
```

กรณีผู้ใช้

ลองพิจารณารหัสที่ตกหล่นสำหรับมนุษย์ที่แกล้งทำ:

 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 ),
    )

การสร้างมนุษย์สุ่ม 10 คน:

 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}]
"""

การกรองและยกเว้น

ค้นหาประชาชนตั้งแต่อายุระหว่าง [30; 75) เพื่อที่เราจะใช้ตัวเปรียบเทียบพิเศษ:

 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}]
"""

นอกจากนี้เรายังสามารถยกเว้นผู้ชายในลักษณะเดียวกัน:

 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}]
 """

การสั่งซื้อ

การสั่งซื้อโดยคุณลักษณะ sex ตามลำดับจากน้อยไปหามากขึ้น:

 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}]
"""

การสั่งซื้อโดยคุณลักษณะ sex ตามลำดับจากมากไปน้อย:

 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}]
"""

การสั่งซื้อโดยหลายคุณลักษณะ:

 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}]
"""

คำอธิบายประกอบ

หากคุณลักษณะบางอย่างที่คุ้มค่ากับการกรองและการสั่งซื้อไม่สามารถใช้ได้ด้วยมือเราสามารถคำนวณได้ทันที:

 # 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}]
"""

การคัดลอก

แบบสอบถามแต่ละวิธีจะส่งคืนสำเนา ในกรณีที่การวนซ้ำมากกว่าสิ่งที่สร้างขึ้นใหม่จะไม่ส่งผลกระทบต่อแหล่งที่มาของวัตถุ

 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}]
"""

แต่บางครั้งการประเมินแบบสอบถามบางอย่างในช่วงกลางของโซ่อาจทำลายมันดังนั้นเมื่อคุณต้องการบันทึกสำเนาแบบสอบถามที่ไหนสักแห่งและตรวจสอบให้แน่ใจว่าการกระทำเพิ่มเติมเกี่ยวกับ root จะไม่ส่งผลกระทบต่อการสืบค้นคุณสามารถทำได้:

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

การย้อนกลับ

นอกจากนี้คุณยังสามารถย้อนกลับแบบสอบถามได้ แต่โปรดจำไว้ว่ามันจะประเมินการสืบค้น:

 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}]
"""

หรือ

Bitwise หรือรวมสองคิวรีเข้าด้วยกัน เช่นเดียวกับวิธี union โปรดทราบว่าหลังจาก oring สองคิวรีหรือมากกว่านั้นอาจจำเป็นต้องสั่งซื้อ:

 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}]
"""

ตัวเปรียบเทียบที่รองรับ

โครงการรองรับตัวเปรียบเทียบจำนวนมากที่สามารถเลือกเป็น postfix สำหรับการค้นหา:

ตัวเปรียบเทียบเริ่มต้นคือ eq
eq ทำให้ a == b
exact ทำให้ a == b
in Make a in b
contains ทำให้ b in a
gt ทำให้ a > b
gte ทำให้ a >= b
ge ทำให้ a >= b
lt ทำให้ a < b
lte ทำให้ a <= b
le ทำ a <= b

โทดอส

เอกสารสฟิงซ์
วิธี asc() และ desc() ซึ่งทำงานเหมือนกับ order_by() แต่มีคำสั่งที่ระบุล่วงหน้า
เมธอด unique_justseen() และ unique_everseen() เพื่อลบรายการซ้ำ การเปรียบเทียบที่เกิดขึ้นจากแอตทริบิวต์ที่ผ่านหรือมอบให้กับวัตถุความเท่าเทียมกัน __eq__
วิธี intersection() สำหรับการค้นหาวัตถุทั่วไปในสองการสืบค้น การเปรียบเทียบที่เกิดขึ้นจากแอตทริบิวต์ที่ผ่านหรือมอบให้กับวัตถุความเท่าเทียมกัน __eq__
การปรับปรุง __len__ และ __getitem__ สำหรับการประเมินแบบสอบถามเพียงครั้งเดียวต่อวงจรชีวิต

ผลงาน

รูปแบบใด ๆ ของการบริจาคจะได้รับการชื่นชม การค้นหาปัญหาแนวคิดใหม่คุณสมบัติใหม่ และแน่นอนคุณสามารถสร้าง PR สำหรับโครงการนี้ได้

ขยาย

smort query

Smort Query

เหตุผล

รูปแบบการค้นหา

การติดตั้ง

การนำเข้า

มันทำงานอย่างไร?

พื้นฐาน

กรณีผู้ใช้

การกรองและยกเว้น

การสั่งซื้อ

คำอธิบายประกอบ

การคัดลอก

การย้อนกลับ

หรือ

ตัวเปรียบเทียบที่รองรับ

โทดอส

ผลงาน

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 ห้องสนทนาขนาดใหญ่

chat.petals.dev

GPT Prompt Templates

GPTyped

Google Dorks

shepherd

mongo express

Google Dorks

shepherd

mongo express