源码学习之MyBatis的底层查询原理 |
您所在的位置：网站首页 › mybatis源码解读 › 源码学习之MyBatis的底层查询原理 |
源码学习之MyBatis的底层查询原理
|
导读
本文通过MyBatis一个低版本的bug（3.4.5之前的版本）入手，分析MyBatis的一次完整的查询流程，从配置文件的解析到一个查询的完整执行过程详细解读MyBatis的一次查询流程，通过本文可以详细了解MyBatis的一次查询过程。在平时的代码编写中，发现了MyBatis一个低版本的bug（3.4.5之前的版本），由于现在很多工程中的版本都是低于3.4.5的，因此在这里用一个简单的例子复现问题，并且从源码角度分析MyBatis一次查询的流程，让大家了解MyBatis的查询原理。 1 问题现象1.1 场景问题复现 如下图所示，在示例Mapper中，下面提供了一个方法queryStudents,从student表中查询出符合查询条件的数据，入参可以为student_name或者student_name的集合，示例中参数只传入的是studentName的List集合 List studentNames = new LinkedList(); studentNames.add("lct"); studentNames.add("lct2"); condition.setStudentNames(studentNames); select * from student AND student_name IN #{studentName, jdbcType=VARCHAR} AND student_name = #{studentName, jdbcType=VARCHAR}期望运行的结果是 select * from student WHERE student_name IN ( 'lct' , 'lct2' )但是实际上运行的结果是 ==> Preparing: select * from student WHERE student_name IN ( ? , ? ) AND student_name = ? ==> Parameters: lct(String), lct2(String), lct2(String) Original: https://www.cnblogs.com/Jcloud/p/16744140.htmlAuthor: 京东云开发者Title: 源码学习之MyBatis的底层查询原理 相关阅读 Title: 如何训练创建一个聊天自动回复的微信机器人（一） 如何创建一个聊天自动回复的微信机器人（一）这里，本来打算用一个微信号来做机器人的，但是机器人有几个缺点1、如果任意一个人想使用机器人的话，那么必须添加机器人为好友才能使用测试2、基于微信识别异常微信号的自动检测，机器人很有可能被封号o(╥﹏╥)o3、现在想使用微信号做机器人的话，后端对接微信的方法大概有两种，一是使用网页版微信的API进行接入，不过现在网页版的微信已经封的差不多了，这种方法已经过时了，二是使用微信注入dll的方式来对接，不过这种方式也同样会受到微信的异常号自动检测，也会容易封号 所以这边使用微信公众号的后台开发自动回复来对接 开发配置：1、python2、一台服务器 1、首先注入一个微信公众号进入微信公众号的开放平台，进入基本配置页面申请好开发者id和密码，并且开启你的服务器配置，配置好你的服务器后台、令牌和消息加密秘钥，后面会介绍如何配置你的服务器后台 注意，你的后端调试成功后才会成功开启服务器配置 
; 2、服务器后台配置
我这边使用的阿里云的centos服务器，后端使用python，使用的是flask框架 服务器后台开启的端口一定要是80或者443，因为服务器配置只支持这两个端口，具体的开发模式也可以参考这个文档：https://developers.weixin.qq.com/doc/offiaccount/Getting_Started/Getting_Started_Guide.html 后台配置开发的逻辑如下： 1. 通过请求验证token 2. 验证通过配置完成 3. 接收用户发送的消息 4. 使用训练好的对话机器人返回消息 5. 微信订阅号自动回复消息centos服务器安装python的具体指南参考我的其他文章，这里放出我的一部分代码 # -*- coding:utf-8 -*- from flask import Flask from flask import request import hashlib import time import xml.etree.ElementTree as ET app = Flask(__name__) @app.route("/") def index(): return "Hello World!" @app.route("/wechat", methods=["GET","POST"]) def weixin(): if requesthod == "GET": # 判断请求方式是GET请求 my_signature = request.args.get('signature') # 获取携带的signature参数 my_timestamp = request.args.get('timestamp') # 获取携带的timestamp参数 my_nonce = request.args.get('nonce') # 获取携带的nonce参数 my_echostr = request.args.get('echostr') # 获取携带的echostr参数 token = 'xxxxxxxxxxxx' # 一定要跟刚刚填写的token一致 li = [token, my_timestamp, my_nonce] li.sort() sha1 = hashlib.sha1() sha1.update("".join(li).encode('utf-8')) hashcode = sha1.hexdigest() # 加密后的字符串可与signature对比，标识该请求来源于微信 if my_signature == hashcode: return my_echostr else: return '' else: # 解析xml xml = ET.fromstring(request.data) toUser = xml.find('ToUserName').text fromUser = xml.find('FromUserName').text msgType = xml.find("MsgType").text createTime = xml.find("CreateTime") # 判断类型并回复 print(msgType) if msgType == "text": content = xml.find('Content').text print(content) return reply_text(fromUser, toUser, reply(fromUser, content)) elif msgType == 'event': content = '关注' return reply_text(fromUser, toUser, reply(fromUser, content)) else: return reply_text(fromUser, toUser, "我只懂文字") def reply_text(to_user, from_user, content): """ 以文本类型的方式回复请求 """ return """ {} """.format(to_user, from_user, int(time.time() * 1000), content) def reply(msg): ''' 使用对话机器人 ''' res = requests.get('http://api.qingyunke.com/api.php?key=free&appid=0&msg=' + msg) content = res.json()['content'] content = content.replace('{br}', '\n') return content if __name__ == "__main__": app.run(host='0.0.0.0',port=80,debug=True)这边的对话机器人暂时使用青云客的免费聊天机器人，将在下一篇文章中讲到，后台配置完成后，可以先到微信公众平台的后台调试工具先去调试一下，具体网址在这： 如果想要实现一个简单的聊天回复机器人，可以在青云客上使用免费的聊天机器人，后续我将会用神经网络训练一个能自己成长的聊天机器人https://mp.weixin.qq.com/debug/ 测试通过返回成功的测试结果即为成功 如果测试失败，多半是后端出问题了，多调试调试后端即可，开启成功后，向微信机器人发送消息即可收到自动回复的消息
Original: https://blog.csdn.net/qq_36551453/article/details/113935150Author: 程序员吴彦祖Title: 如何训练创建一个聊天自动回复的微信机器人（一） 原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/364420/ 转载文章受原作者版权保护。转载请注明原作者出处！ |
【本文地址】
今日新闻 |
推荐新闻 |