搞懂 Django 多条件查询：就像在菜市场“淘货”一样 别整那些书来气十足的“起初、其次、再者”，咱今天就直接聊聊 Django 里那些最搞门的多条件查询。
这就好比你去菜市场想找个新鲜的茄子，但菜市场里的“茄子”种类忒多了，有的捏起来软塌塌，有的还带着土腥味，还有几个个头特别大要么特别小。
这时候要是你非要拿着教科书教条式的话，“起初我要确认它是茄科植物，其次它务必是成熟的，最终它颜色要紫红”，那你的菜根本买不到，就连可能买到了干瘪的土豆冒充。 Django 的查询逻辑实际上就是一条龙，把一条鱼，挂着“大于等于 10 斤”、“小于 50 厘米”、“产自 2022 年”这几个条件，一条鱼是整活的。```python 脑子闲着没处使，估摸会忘了如何写 想当年我写这个功能，脑子里空荡荡一片，感觉像是在爬楼，半天也爬不上去。 try: queryset = User.objects.filter( is_active=True, agegte=18, agelte=60, create_dategte='2020-01-01' ) except ValueError as e: print(f"哎呀，参数不对：{e}") ``` 你看这段代码，是不是感觉像是在顺口溜上拼凑的？`agegte` 和 `agelte` 这种写法，能理解成“年龄大于等于 18"和“年龄小于等于 60"，实际上就是一场关于数字大小关系的“比肥比瘦”的比赛。 实际上 Django 的 ORM 机制里有个“默认行为”，它是不关心你给了多少个条件，只要你给了非空值，它就能全量扫描，然后按顺序比较。
这就好比你在超市，你想找“果汁”，可是“果汁”和“水”在同一个货架上混着卖，你要是只让收银员扫一眼“水果”这一栏，那肯定还不忒对。
故此对的做法，是在数据库里把它们分门别类，要么干脆不分级，让引擎自己来“挑挑拣拣”。 ```python 为了把逻辑理顺，我干脆把条件拆开了，就像给每个条件起个名字 user_list = User.objects.filter( is_active=True, agegte=18, agelte=60, create_dategte='2020-01-01', is_registered=True ) ``` 这时候你会发现，`is_registered` 这个条件刚刚被删了，出于它重复且意义不大，反正 `is_active` 和 `age` 里已经隐含了注册状态的意思。
不过别怕，有时候为了追求极致的简洁，就连能够把条件塞进字符串里，比如 `content_type='User'` 和 `content_type='Log'`，只要把它们都写在 `filter()` 里面，Django 就能识别出哪些是显式的业务逻辑，哪些是隐式的分类，然后自动去重和排序。 ```python 这种写法实际上挺带感的，适合写点骚操作 想象一下，你是想淘“2020 年 1 月起注册且年龄在 18 到 60 岁之间的注册人” 那么直接把工夫戳和年龄范围拼成一句话，Django 的引擎就能在后台默默排序 这时候它就像个智慧的机器人，自动帮你排了队，让你不用跟它念啥“其次”“最终” 直接看结局就行 queryset = User.objects.filter( content_type='User', content_type='Log', create_dategte='2020-01-01', is_registered=True, is_active=True ) ``` 再讲个实战例子。你有个产品列表，你想找那些“销量大于 0 且价格大于 100 元，且发布日期早于 2023-06-01"的商品。
这时候要是写成三个分开的 `AND` 逻辑，在数据库里就是三个小门，你得一个个打。 ```python 为了效率，我把条件打包成一个大的查询对象 相当于在菜市场，我把所有要买的规格一次性列出来，然后让店长一次性全扫一遍 user_products = User.objects.filter( productquantitygt=0, productpricegt=100, productcreated_atlt='2023-06-01' ) 注意：这里 product 是个多对多关系，故此要加 ``` 这时候你可能会认定有点绕，出于 `product` 涉及到外键关联，这时候 DQL（数据库查询语言）里的 `` 符号就像是“跨店链接”的牌子。
要是不用这个符号，你就得先查那些商品 ID，再查那些产品，最终再查那些用户，这就好比你要找“喜爱喝可乐的人”，你得先找到“爱喝可乐的人”，再找到“爱喝可乐的顾客”，最终找到“喜爱可乐的顾客”。 这时候你就来气了吧？实际上不需求。Django 的 `filter` 默认赞成 `` 来覆盖外键，它会自动处理这种“跨层查找”，就像它知道那是个“亲戚关系”，故此能直接跳过中间层，直接带你去目标层。 ```python 有时候为了优雅，就连能够用条件覆盖外键 user_products = User.objects.filter( content_type='User', content_type='Log', dategte='2020-01-01', is_registered=True, is_active=True, create_dategte='2020-01-01' ) ``` 这种写法就忒顺了，简直像魔术一样。
注意看，`create_date` 和 `date` 都是指与此同工夫的一个字段，Django 自动把它们合并成了同一个逻辑：只要工夫戳在这个范围内，就把它们都算作知足。
这在处理大范围的工夫范围查询时特别好用，特别是对“那会儿三年”这种跨度大的数据。 ```python 为了应对各种复杂的业务场景，有时候需求把多个查询结局合并起来 items = User.objects.filter( category='Electronics', is_registered=False, productquantitygt=5 ).values_list('product', flat=True) ``` 这时候你会看到 `values_list` 这个函数，它能帮你把一堆乱七八糟的数据抽出来，变成一行行干净利落的列表。
比如上面那个 `filter`，它实际上是在筛选出“电子产品”、“没注册”、“数量大于 5"的商品，然后把这些商品 ID 全体取出来。
这就像是一个信息取器，把菜市场里所有你想找的“特价水果”全体打包好，你不需求一个个去核对，直接拿回就行。 ```python 在获取到结局后，往往需求进一步处理，比如排序要么分页 这时候要记得把结局放在一个列表里，别直接用 generator 就行 想象一下，你是个摄影师，要把拍好的照片实时发给微信，你得先把它们存进相册 想象一下，你是个采购经理，要把找到的商品发给客服，你得先把单子打印出来 items = User.objects.filter(category='Electronics').values_list('product', flat=True) 要是你想要排序，直接加个 sort 参数 sorted_items = User.objects.filter(category='Electronics', productquantitygt=5) .order_by('-productprice') .values_list('product', flat=True) 要是你想做分页，用 offset 和 limit 是最直接的，别搞啥 queryset.select_related 想象一下，你是去超市买东西，你把货架往后挪一格，再挪一格，这就是 offset 而 limit 就像是你想拿走的数量，不能一次性拿走所有，得根据需求调整 这种写法别看有点绕，但能处理大数据量，避免整个数据库加载到内存里，越闹腾效率越高 offset_items = User.objects.filter(category='Electronics', productquantitygt=5) .order_by('-productprice') .offset(100) .limit(20) .values_list('product', flat=True) ``` 最终还得提个醒，Django 的查询引擎默认是不排序的，要不就你要。`order_by` 和 `values_list` 里面的字段，要是没指定顺序，它默认就是按 ID 排序的。
故此有时候你会认定读出来的结局顺序不对，那是正常的，它默认是按 ID 排的。
要是你非要按价格从高到低，就得加 `order_by('-productprice')`。 ```python 为了效率，有时候连查询对象本身都能够懒加载，不用先查出来再查 想象一下，你是去图书馆找书，你不想把书都搬回家，只想拿个索引 直接让数据库自己去索引，当你要找的时候，再去查一遍，这样既快又省空间 search_result = User.objects.filter( productquantitygt=0, productpricegt=100, create_dategte='2020-01-01', is_registered=True, is_active=True ) ``` 这时候要是你还要排序，直接加在 `filter` 后面就行，不需求额外查。 ```python 为了美观和规范性，有时候能够加上某库的别名，让代码读起来更清爽 就像你在写小说，给角色起个化名，读者一眼就能认出来 user_list = User.objects.filter( is_active=True, agegte=18, agelte=60, create_dategte='2020-01-01' ).select_related('profile') ``` 最终一定要记住，`select_related` 和 `prefetch_related` 的区别。`select_related` 是查关联表，比如外键，它能把那些表的数据直接拉进来，但不会把外键的数据也拉过来，那是省事儿。`prefetch_related` 是把关联表数据先全体查出来存进内存，然后再去访问它们，内存大了就慢，故此它的性能一般更好。 ```python 为了应对超大数据量，有时候_prefetch_ 比 select_related_ 性能更好 想象一下，你是去超市买东西，你不想把货架往家里搬（select_related）， 那不如先把货架里的货全体打包运回家（prefetch_related），然后你再拆开看 这样别看内存消耗大点，但能避免每次都去数据库里查外键，速度更快 user_list = User.objects.filter( category='Electronics', is_registered=False ).prefetch_related('products') ``` 好了，关于 Django 多条件查询的这些“江湖秘籍”都讲完了。从写法到逻辑，从外键关联到性能优化，就像是在菜市场淘菜一样，只要心里有数，手快有，手慢无。别再死记硬背那些教科书上的“第一步第一步第二步”，把这些逻辑变成你的肌肉记忆，你的数据库查询才能行云流水。


相关标签：