[Django学习]Q对象实现多字段模糊搜索

一、应用场景

假设我们现在有一个客房系统,前端界面上展示出来了所有客房的所有信息。用户通过客房的价格、面积、人数等对客房进行模糊搜索,如检索出价格在50到100元之间的客房,同时检索面积在20平方米到30平方米之间的客房,此时后端可以借助Q对象对客房进行筛选处理,并返回给前端。

二、代码部分

学习笔记以注释的形式出现

python 复制代码
from django.db.models import Q  
def searchHouse(request):

    datas = request.POST
    type = datas.get("type")
    area = datas.get("area")
    price = datas.get("money")
    people = datas.get("people")

    query = Q()
    # 使用Q对象组合多个查询条件

    type_value = int(type)
    if type_value != 0:
        query.add(Q(type=type_value-1), Q.AND)

    if area == "1":
        # 若area检索类型为"1",则为检索面积在0到15之间的客房
        query &= Q(area__range=(0, 15))
        # 给query添加上该查询语句
    elif area == "2":
        query &= Q(area__range=(15, 20))
    elif area == "3":
        query &= Q(area__range=(20, 30))
    elif area == "4":
        query &= Q(area__gte=30)

    if price == "1":
        query &= Q(price__range=(0, 50))
    elif price == "2":
        query &= Q(price__range=(50, 100))
    elif price == "3":
        query &= Q(price__range=(100, 200))
    elif price == "4":
        query &= Q(price__gte=200)

    if people == "1":
        query.add(Q(people=1), Q.AND)
    elif people == "2":
        query.add(Q(people=2), Q.AND)
    elif people == "3":
        query &= Q(people__gte=3)

    # 依照query对house表进行检索
    reses = house.objects.filter(query)

    houses = []

    for res in reses:
        a_house = {
            "id": res.id,
            "type": res.type,
            "area": res.area,
            "price": res.price,
            "people": res.people,
            "counts": res.counts,
            "status": res.status,
            "manager_phone": res.managerID.phone,
            "manager_name": res.managerID.name
        }
        houses.append(a_house)

    return JsonResponse({'data': houses}, safe=False)
相关推荐
red_redemption36 分钟前
自由学习记录(95)
学习
东风西巷2 小时前
Balabolka:免费高效的文字转语音软件
前端·人工智能·学习·语音识别·软件需求
java1234_小锋2 小时前
Scikit-learn Python机器学习 - 特征降维 压缩数据 - 特征提取 - 主成分分析 (PCA)
python·机器学习·scikit-learn
java1234_小锋2 小时前
Scikit-learn Python机器学习 - 特征降维 压缩数据 - 特征提取 - 线性判别分析 (LDA)
python·机器学习·scikit-learn
XISHI_TIANLAN3 小时前
【多模态学习】Q&A3:FFN的作用?Embedding生成方法的BERT和Word2Vec?非线性引入的作用?
学习·bert·embedding
思辨共悟3 小时前
Python的价值:突出在数据分析与挖掘
python·数据分析
计算机毕业设计木哥4 小时前
计算机毕设选题:基于Python+Django的B站数据分析系统的设计与实现【源码+文档+调试】
java·开发语言·后端·python·spark·django·课程设计
中等生4 小时前
Pandas 与 NumPy:数据分析中的黄金搭档
后端·python
用户8356290780514 小时前
Python查找替换PDF文字:告别手动,拥抱自动化
后端·python
KFCcrazy44 小时前
嵌入式学习日记(39)51单片机
嵌入式硬件·学习·51单片机