adodbapi orm对象查询(三)

本文介绍了一种使用Python装饰器简化数据库操作的方法,包括查询和执行两种类型,通过装饰器自动处理连接管理、提交和回滚等流程,提高了代码的整洁性和可维护性。

转载注明出处 http://blog.youkuaiyun.com/xugangjava/article/details/7565420

接上篇,写两个适配器一个用于查询Query,一个用于Execute

########################################################################
#decorators
def Query(fn):
	'''decorator of connection 
	use this funciton can use conn to operator db
	using conn=None param to user conn'''
	def wrapper(*args, **kv):
		conn=connect()
		kv['conn']=conn
		try:
			return fn(*args, **kv)
		except:
			LogErr()
			raise
		finally:
			conn.close()
	return wrapper
def Execute(fn):
	'''decorator of connection 
	use this funciton can use conn to operator db
	using conn=None param to user conn'''
	def wrapper(*args, **kv):
		conn=connect()
		kv['conn']=conn
		try:
			result= fn(*args, **kv)
			conn.commit()
			return result
		except:
			conn.rollback()
			LogErr()
			raise
		finally:
			conn.close()
	return wrapper

最后我们的逻辑代码

########################################################################
#proc and function
@Execute
def  procLogin(name,pwd,ip,mac,conn=None):
	cur=conn.cursor()
	uid,val,remark,opResult=0,0,'',''
	param=(name,pwd, AvailablePeopleNum,mac, Ip2Int(ip), ip,False,uid,val,remark,opResult)
	param=cur.callproc('Proc_login',param)
	uid,val,remark,opResult=param[-4],param[-3],param[-2],param[-1]
	user=None
	if val==2:user=findUserByID(conn,uid)
	return user,remark

参数conn=None在 Execute里面conn被注入值,我们的逻辑函数现在完全不用操心connection的管理了

在也没看到要吐的重复的try catch finally来管理connection了大笑

执行完Execute里面就自动提交了,报错Execute里面就给回滚了,Query也是一样

修改一个bug where函数 对 sql > < = line的拼接有点问题

#where
def where(**kv):
	keys=''
	params=[]
	for key in kv.keys():
		if keys:keys+=' and '
		else: keys=' where '
		if key.endswith('_gt'):
			exp=key.replace('_gt',' > ')
		elif key.endswith('_lt'):
			exp=key.replace('_lt',' < ')
		elif key.endswith('_ge'):
			exp=key.replace('_ge',' >= ')
		elif key.endswith('_le'):
			exp=key.replace('_le',' <= ')
		elif key.endswith('_like'):
			exp=key.replace('_like',' like ')
		else:
			exp=key+'='
		keys+=exp+'?'
		param=kv[key]
		if isinstance(param,unicode):param=param.encode('gbk')
		params.append(param)
	return keys,tuple(params)

函数 where(id=0,row_gt=0) 返回 (where id=? and row>?,(0,0)) 




【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
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