Logical operator များအပေါ် အခြေခံ. ရေဘူးအက်ပလီကေးရှင်း၏အချက်အလက်များကိုမည်သို့စီမံရမည်နည်း။

ဟေ့အဲဒီမှာ! ကျွန်ုပ်သည်လျှပ်စစ်ဓာတ်အားစစ်ထုတ်စက်များပေးသွင်းသူတစ် ဦး ဖြစ်ပြီးယနေ့ကျွန်ုပ်သည် Logical Operator များအပေါ် အခြေခံ. ရေဘူးအက်ပလီကေးရှင်း၏အချက်အလက်များကိုမည်သို့စစ်ထုတ်ဝံ့ရမည်ကိုကျွန်ုပ်ပြောချင်သည်။ အထူးသဖြင့်သင်ဒေတာကိုင်တွယ်ခြင်းနှင့် flask apps များထဲတွင်ရှိလျှင်၎င်းသည်အလွန်အေးမြသောခေါင်းစဉ်တစ်ခုဖြစ်သည်။

အဘယ်ကြောင့် flask apps များတွင်ဒေတာကိုစစ်ထုတ်ခြင်းကိစ္စရပ်များ

ပထမ ဦး ဆုံးအနေဖြင့် Flask applications များတွင်စီစစ်ခြင်းများသည်အဘယ်ကြောင့်စစ်ထုတ်ရန်အလွန်အရေးကြီးကြောင်းပြောဆိုကြပါစို့။ ဒေတာတွေအများကြီးနဲ့ဆက်ဆံတဲ့အခါမှာသင်ဟာအမြဲတမ်းမပြချင်ဘူး, filtering သည်သင့်အားအချက်အလက်များကိုသက်ဆိုင်ရာအရာနှင့်ကျဉ်းမြောင်းစေသည်။

ဥပမာအားဖြင့်, သင့်တွင်အမျိုးမျိုးသောထုတ်ကုန်အမျိုးမျိုးကိုရောင်းချသော E - ကူးသန်းရောင်းဝယ်ရေးရေကူးအက်ပ်တစ်ခုရှိသည်ဆိုပါစို့။ သင်၏ဒေတာဘေ့စ်တွင်သင်ထောင်ပေါင်းများစွာသောထုတ်ကုန်များရှိနိုင်သည်။ အသုံးပြုသူတစ် ဦး သည်ထုတ်ကုန်များကိုစျေးနှုန်းအမျိုးမျိုးဖြင့်သာမြင်လိုပါကယုတ္တိရှိသည့်အော်ပရေတာများအပေါ် အခြေခံ. စစ်ထုတ်ခြင်းများကိုသူတို့ရှာဖွေနေသည့်အရာများကိုအလျင်အမြန်ပြသနိုင်သည်။

ဒေတာစီစစ်ခြင်းအတွက်အခြေခံယုတ္တိ operator များ

အချက်အလက်များကိုဘူးထဲတွင်အချက်အလက်များကိုစစ်ထုတ်သည့်အခါသင်မကြာခဏအသုံးပြုလေ့ရှိသောအခြေခံယုတ္တိရှိသောအော်ပရေတာအနည်းငယ်ရှိသည်။ ဤရွေ့ကားပါဝင်သည်နှင့်, သို့မဟုတ်မဟုတ်။

အော်ပရေတာ

အခြေအနေမျိုးစုံကိုတစ်ပြိုင်နက်တည်းဖြည့်ဆည်းပေးသည့်အချက်အလက်များကိုစစ်ထုတ်ချင်သောအခါနှင့်အော်ပရေတာကိုအသုံးပြုသည်။ ဥပမာအားဖြင့်သင်သည်သင်၏ E - ကူးသန်းရောင်းဝယ်ရေးအက်ပလီကေးရှင်းတွင်ထုတ်ကုန်များကိုစစ်ထုတ်ဝံ့ပါက,

Python Code တွင်ဘူးနှင့် sqlalchemy (ရေပိန်အတွက်လူကြိုက်များသော orm) တွင် Python ကုဒ်တွင်ရိုးရှင်းသောဥပမာတစ်ခုရှိသည်။

ဖာစ်စကာစကာကနေဘူးသီးတင်သွင်းမှုမှဘူးသီးတင်သွင်းမှုမှ sqlalchemy app = Flask (__ name_databy_databge_uri '] app = sqlitete_dbs.db' db = sqlite -by (db.model): db.model, db.model TRESSY_KEY = TRUEN NAME = DB.CONONDRED (DB.FLEND) အမျိုးအစား = dB filter_presse (db.float) @ app filter_presse_) app filter_presse_ (db.fload) @ app filters (db.fring) Production.Query.filter (Product.Price> = 10, Product.Price.Category) ။ __ __name__ == filter_= filter_= filters_= filter_= __ product_= __ product)

ဒီဥပမာမှာကျွန်တော်တို့ဟာယုတ္တိဗေဒကိုလုံးလုံးလျားလျားသုံးပြီးယုတ္တိဗေဒကိုသုံးနေတယ်။ အပေြာင်းစိမ့်ထွက်နည်းလမ်းသည်ပေးသောအခြေအနေများကိုဖြည့်ဆည်းပေးသောထုတ်ကုန်များကိုသာပြန်လည်ပေးနိုင်လိမ့်မည်။

အော်ပရေတာ

အနည်းဆုံးသတ်မှတ်ထားသောအခြေအနေများနှင့်ကိုက်ညီသောအချက်အလက်များကိုရှာဖွေလိုပါကသို့မဟုတ်အော်ပရေတာကိုအသုံးပြုသည်။ သင် 'Electronics' အမျိုးအစားတွင်ရှိသောထုတ်ကုန်များကိုရှာဖွေလိုပါကသို့မဟုတ် 20 ထက်နည်းသောစျေးနှုန်းရှိသည်။

SQLALCHEY Impende မှ or_ @ / or_filter_protlets ') def or_filtered_products () filter.Query.Query.filter (or letter.campory ==) - Product_ (Production.NAME =)

ဒီမှာငါတို့သုံးတယ်or_Sqlalchemy မှ function ကိုအကောင်အထည်ဖော်ရန်သို့မဟုတ်ယုတ္တိဗေဒကိုအကောင်အထည်ဖော်ရန်။

အော်ပရေတာမဟုတ်ဘူး

မဟုတ်သည့်အော်ပရေတာသည်အချို့သောအခြေအနေနှင့်ကိုက်ညီသောအချက်အလက်များကိုဖယ်ထုတ်ရန်အသုံးပြုသည်။ သင် 'စာအုပ်များ' အမျိုးအစားတွင်မရှိသောထုတ်ကုန်များကိုသင်ရှာဖွေလိုသည်ဆိုပါစို့။

SQLALCEMEMEN မှတင်သွင်းမှုမှ @ app.Route ('/ not_filtered_products') def not_filtered_products () filter.Query.Query.filter (Product.Category))

မျိုးစုံယုတ္တိအော်ပရေတာများနှင့်အတူအဆင့်မြင့်စစ်ထုတ်ခြင်း

ပိုမိုရှုပ်ထွေးသောစစ်ထုတ်စက်များကိုဖန်တီးရန်ယုတ္တိရှိသောအော်ပရေတာများစွာကိုသင်ပေါင်းစပ်နိုင်သည်။ ဥပမာအားဖြင့်, သင် 'Electronics' အမျိုးအစားတွင်ရှိသောထုတ်ကုန်များကိုရှာဖွေလိုပြီး 50 ထက်နည်းသောစျေးနှုန်းရှိသည်။ သို့မဟုတ် 'အဝတ်အထည်' အမျိုးအစားတွင်ပါဝင်ပြီး 20 ထက်ပိုသောစျေးနှုန်းရှိသည်။

@ app.Route ('/ comfiltered_products') def ရှုပ်ထွေးသော () Def Sqlalchemyed Improducts (Production1 = and and and and and and or or or or and and and and and and and and and and and and and and and and and and and and and and and and = 50) Conduction2 = formprice == and and and tocategory == and and and formrice == and and and = forctrice == and and = (flowergory) Product.Query.Query.filter (or_ (အခြေအနေ, အခြေအနေ, အခြေအနေ))) ။ () Product_names = [Products.Name] Reported Product str (Product_names)

အစစ်အမှန် - ကမ္ဘာ့အပလီကေးရှင်းများတွင် filtering ဘူးများကိုအသုံးပြုခြင်း

အခုဆိုရင်ငါတို့စီစစ်တဲ့ဘူးတွေအကြောင်းနည်းနည်းလောက်ပြောပြပါရစေ။ ဓာတ်ခွဲခန်းဆက်တင်များ၌မရှိမဖြစ်လိုအပ်သောအရည်အသွေးမြင့် filtering ဘူးများကိုကျွန်ုပ်တို့ကမ်းလှမ်းသည်။ ဥပမာအားဖြင့်ဓာတ်ခွဲခန်းဖန်ထည်ပုံသဏ် ap ာန်ပုံသဏ် raul ာန် erlenmeyer filtering အထက် tuulation နှင့်အတူဘူးထိပ်တန်းဖန်သားပြင်ဖြင့်ပြုလုပ်ထားသောဖန်ခွက်ပစ္စည်းများကိုပြုလုပ်ထားသည်။ သူတို့မှာစီစစ်ခြင်းလုပ်ငန်းစဉ်အမျိုးမျိုးအတွက်အလွန်ကောင်းသည့် conical ပုံစံရှိသည်။

နောက်ထပ်ကြီးစွာသော option သည်ငါတို့ဖြစ်သည်ဓာတ်ခွဲခန်းရှင်းလင်းထားသောဖန်ခွက်စီစစ်ခြင်းအထက်ပိုင်းထိတွေ့ဆက်ဆံခြင်း။ ဤရွေ့ကားဘူးများရှင်းရှင်းလင်းလင်း, သင့်အားစစ်ထုတ်ခြင်းလုပ်ငန်းစဉ်ကိုအလွယ်တကူကြည့်ရှုရန်ခွင့်ပြုသည်။ ၎င်းတို့သည်အထက်ပိုင်းထစ်ခဲကိရိယာများတပ်ဆင်ထားသည်။ ၎င်းသည်အခြားဓာတ်ခွဲခန်းစက်များကိုချိတ်ဆက်ရန်အဆင်ပြေစေသည်။

အသုံးပြုသူ - ဘူးရှိသတ်မှတ်ထားသော filter များကိုအကောင်အထည်ဖော်ခြင်း

အစစ်အမှန် - ကမ္ဘာ့ဘူးအက်ပလီကေးရှင်းတွင်အသုံးပြုသူများကိုသူတို့၏ကိုယ်ပိုင်စစ်ထုတ်စက်များကိုသတ်မှတ်ရန်သင်မကြာခဏခွင့်ပြုလိုသည်။ အသုံးပြုသူထံမှ input ကိုရယူခြင်းဖြင့်သင်လုပ်နိုင်သည်။ ထို့နောက်သင့်လျော်သော filtering အခြေအနေများတည်ဆောက်ရန်ထို input ကို အသုံးပြု. ပြုလုပ်နိုင်သည်။

ဤတွင်သင်သည်ရိုးရှင်းသောအသုံးပြုသူသတ်မှတ်ထားသော filter ကို flask app တွင်သင်မည်သို့အကောင်အထည်ဖော်နိုင်ပုံဥပမာတစ်ခုဖြစ်သည်။

ဘူးသီးတင်သွင်းမှုဘူးမှ Flask_sqlalchemyChy မှတင်သွင်းမှုမှ Sqlalchememy Import မှတင်သွင်းသောဖလားမှတင်သွင်းသော SQLASK (__ name_databy_URI '] app = sqlite: ///products.db' db = sqlite -by (app): ID = id = db.model) db.column (db.integer, test_key = true) အမည် = db.column (db.crolumn (db.float) အမျိုးအစား = db.float (db.float) @ app.route (db.filed_products), user_filtered_products () min_price = unticags.get ('min_price = float) max_price = film.grice = unirece.grice (' film.grice> float) filters.gets.gets = [provens.grice> min_price) filters: max_price မဟုတ်ပါ။ filters.append (prottipion.price <= max_price) filters.append (Product.Category == အမျိုးအစား) filtered = filter.Query.filter (filter_s_): __ productions)

ဤဥပမာတွင်အသုံးပြုသူသည် parameters များကိုကြိုက်နှစ်သက်နိုင်သည်min_price,max_priceနှင့်အမျိုးအစားURL ၌တည်၏။ ထို့နောက်အက်ပလီကေးရှင်းသည်အသုံးပြုသူထည့်သွင်းမှုအပေါ် အခြေခံ. သင့်လျော်သောစစ်ထုတ်မှုအခြေအနေများကိုတည်ဆောက်သည်။

နိဂုံးနှင့်အရေးယူမှခေါ်ဆိုပါ

ယုတ္တိရှိသောအော်ပရေတာများကို အသုံးပြု. flask applications များမှအချက်အလက်များကို filk applications များရှိအချက်အလက်များကိုစစ်ထုတ်ခြင်းသည်သင်၏ app ကိုပိုမိုအသုံးဝင်စေနိုင်သည့်အစွမ်းထက်သောနည်းစနစ်တစ်ခုဖြစ်သည်။ သင်ရိုးရိုးရှင်းရှင်းလင်းလင်းအီး - ကူးသန်းရောင်းဝယ်ရေးအက်ပလီကေးရှင်းသို့မဟုတ်ရှုပ်ထွေးသောအချက်အလက်များ - မောင်းနှင်သည့်အသုံးချမှုပြုလုပ်နိုင်ခြင်းဖြစ်ဖြစ်ဤ filtering Techniapes ကိုကျွမ်းကျင်သော application သည်သင်၏ဖွံ့ဖြိုးရေးစွမ်းရည်ကိုပိုမိုကောင်းမွန်အောင်ပြုလုပ်နိုင်သည်။

အကယ်. သင်သည်မြင့်မားသောအရည်အသွေးရှိသော filtering filsing filsing filss များအတွက်စျေးကွက်တွင်ရှိလျှင်နောက်ထပ်မကြည့်ပါနှင့်။ သင်၏လိုအပ်ချက်များအားလုံးကိုဖြည့်ဆည်းပေးနိုင်သည့် filtering ဘူးများကိုကျွန်ုပ်တို့ရွေးချယ်ထားပါသည်။ အကယ်. သင့်အားစီစစ်ခြင်းဘူးများ 0 ယ်ယူရန်သို့မဟုတ်မေးခွန်းများရှိပါကသင်စိတ်ဝင်စားပါကဆက်သွယ်ရန်မတွန့်ဆုတ်ပါနှင့်။ သင်၏လိုအပ်ချက်များအတွက်ပြီးပြည့်စုံသောထုတ်ကုန်များကိုရှာဖွေရာတွင်သင့်အားကူညီရန်ကျွန်ုပ်တို့အမြဲအဆင်သင့်ရှိသည်။

ကိုးကားခြင်း

• flask စာရွက်စာတမ်းများ
• sqlalchemy စာရွက်စာတမ်းများ