tp5和tp5.1的模型中append属性覆盖关联模型的情况

探讨TP5框架中模型的append属性与关联模型函数名重名导致的数据覆盖问题,解析问题原因及解决策略。

问题描述:

tp5和tp5.1的模型中是可以定义append属性的,用于追加要输出的字段。但是这里要注意一个问题,就是append属性中定义的字段名称不能与关联模型的函数名重名

问题定位过程

这个问题一开始我以为是关联模型的函数名中的大小写、下划线、数字(刚好我那时要关联模型的字段是有数字的)问题,但是后面通过创建一个最小模型一段段的屏蔽代码来测试,才定位问题。
PS:这个问题是不会报错的,而且在日志中也无法看出端倪。

问题原因:

其实这个问题,如我标题所描述的,是因为append属性中的字段名和模型中关联其他模型的函数名一样导致输出数据时append属性覆盖了关联模型数据。

示例:

//假设test表中有字段:attr1
//并假设Test模型中定义为如下:
class Test extend Model{
    protect $append = ['attr1'];
    
    public function attr1(){
        return $this->belongsTo('abc','attr1');
    }
}

//在controller中执行查询
$TestModel = new Test;
$data = $TestModel->with(['attr1'])->find();
//虽然调用了$TestModel->with(['attr1']),但是最终数据结果中的attr1属性的值并不是attr1函数关联模型数据。单纯是attr1这个数据库字段的值。
//这是因为append中的attr1覆盖了attr1函数的关联模型数据
//以上问题并不会报错,在官方的开发手册中也并未具体说明,
//所以当时我也很奇怪,调试了很久才发现是重名的问题

解决办法:

append属性中的字段名不要和关联模型的函数名重名

假设有如下数据: | start_time | size | |---------------------|------| | 2021-06-01 00:01:00 | 10 | | 2021-06-01 00:02:30 | 5 | | 2021-06-01 00:03:40 | 8 | | 2021-06-01 00:05:00 | 7 | | 2021-06-01 00:06:20 | 3 | | 2021-06-01 00:08:10 | 6 | 要合并 start_time 三分钟内的 size 数据,可以按照以下步骤进行: 1. 将 start_time 转化为时间戳(单位为秒),并将 size 转化为整型: ```python import time data = [ {"start_time": "2021-06-01 00:01:00", "size": "10"}, {"start_time": "2021-06-01 00:02:30", "size": "5"}, {"start_time": "2021-06-01 00:03:40", "size": "8"}, {"start_time": "2021-06-01 00:05:00", "size": "7"}, {"start_time": "2021-06-01 00:06:20", "size": "3"}, {"start_time": "2021-06-01 00:08:10", "size": "6"} ] for d in data: d["start_time"] = int(time.mktime(time.strptime(d["start_time"], "%Y-%m-%d %H:%M:%S"))) d["size"] = int(d["size"]) ``` 2. 定义一个函数,用于将数据按照 start_time 进行分组: ```python def group_by_start_time(data): groups = [] current_group = [] for d in data: if not current_group: current_group.append(d) elif d["start_time"] - current_group[-1]["start_time"] <= 180: current_group.append(d) else: groups.append(current_group) current_group = [d] if current_group: groups.append(current_group) return groups ``` 3. 调用 group_by_start_time 函数,将数据按照 start_time 进行分组,并将每个组的 size 进行求: ```python groups = group_by_start_time(data) result = [] for group in groups: start_time = group[0]["start_time"] size = sum(d["size"] for d in group) result.append({"start_time": start_time, "size": size}) ``` 最终的结果为: | start_time | size | |------------|------| | 1622503260 | 23 | | 1622503360 | 3 | | 1622503690 | 6 |
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值