在应用程序中将OJB作为一个存储层使用(四) (转)

在应用程序中将OJB作为一个存储层使用(四) (转)[@more@]

删除对象

UCDeleteProduct类允许用于从products中选择一条记录并将它从存储库中删除。用户

入产品的productId,broker试着查找指定的product。我们不需要拥有真个产品目录,

所以查找是很有必要的。Broker接着将找到的product删除,代码如下:

public void apply()

{

  String in = readLineWithMessage("Delete Product with id:");

  int id = Integer.parseInt(in);

  // We do not have a reference to the selected Product.

  // So first we have to lookup the object,

  // we do this by a query by example (QBE):

  // 1. build an example object with matching primary key values:

  Product example = new Product();

  example.setId(id);

  // 2. build a QueryByCriteria from this sample instance:

  Query query = new QueryByCriteria(example);

  try

  {

  // start broker transaction

  broker.beginTransaction();

  // lookup the product specified by the QBE

  Product toBeDeleted = (Product) broker.getObjectByQuery(query);

  // now ask broker to delete the object

  broker.delete(toBeDeleted);

  // commit transaction

  broker.commitTransaction();

  }

  catch (Throwable t)

  {

  // rollback in case of errors

  broker.abortTransaction();

  t.printStackTrace();

  }

}

在本文中,QueryByCriteria方法被用来使功能实现变得简单,代码更加少。我们也可以

通过Criteria对象创建一个指定过滤条件的查询,下面的代码简单地实现了通过Criter

ia对象来创建一个查询:

// build filter criteria:

  Criteria criteria = new Criteria();

  criteria.addEqualTo(_id, new Integer(id));

  // build a query for the class Product with these filter criteria:

  Query query = new QueryByCriteria(Product.class, criteria);

...

我们可以任意地指定条件来创建复杂的查询。下面的代码通过Criteria类实现了一个更

复杂查询,它将获得所有价格少于5。40,并且至少有两百万库存量的产品目录:

// build filter criteria:

  Criteria criteria = new Criteria();

  criteria.addLessThan("price", new Double( 5.40 ));

  criteria.addGreaterThan("stock", new Integer( 2000000 ));

  // build a query for the class Product with these filter criteria:

  Query query = new QueryByCriteria(Product.class, criteria);

...

完成实例程序

实例程序的完成工作留给读者自己。

现在你应该已经对OJB PesistenceBroker的基本功能很熟悉。为了更好的深入,你可以

考虑实现下面的额外功能:

1. 列出所有价格大于1000的产品目录(或者让用户输入条件)

2. 删除所有库存量为0的产品

3. 给所有价格低于500的产品提价11%(并存入存储库)


来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/10748419/viewspace-963451/,如需转载,请注明出处,否则将追究法律责任。

转载于:http://blog.itpub.net/10748419/viewspace-963451/

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
SQLAlchemy 是一个 SQL 工具包和对象关系映射(ORM)库,用于 Python 编程语言。它提供了一个高级的 SQL 工具和对象关系映射工具,允许开发者以 Python 类和对象的形式操作数据库,而无需编写大量的 SQL 语句。SQLAlchemy 建立在 DBAPI 之上,支持多种数据库后端,如 SQLite, MySQL, PostgreSQL 等。 SQLAlchemy 的核心功能: 对象关系映射(ORM): SQLAlchemy 允许开发者使用 Python 类来表示数据库表,使用类的实例表示表中的行。 开发者可以定义类之间的关系(如一对多、多对多),SQLAlchemy 会自动处理这些关系在数据库中的映射。 通过 ORM,开发者可以像操作 Python 对象一样操作数据库,这大大简化了数据库操作的复杂性。 表达式语言: SQLAlchemy 提供了一个丰富的 SQL 表达式语言,允许开发者以 Python 表达式的方式编写复杂的 SQL 查询。 表达式语言提供了对 SQL 语句的灵活控制,同时保持了代码的可读性和可维护性。 数据库引擎和连接池: SQLAlchemy 支持多种数据库后端,并且为每种后端提供了对应的数据库引擎。 它还提供了连接池管理功能,以优化数据库连接的创建、使用和释放。 会话管理: SQLAlchemy 使用会话(Session)来管理对象的持久化状态。 会话提供了一个工作单元(unit of work)和身份映射(identity map)的概念,使得对象的状态管理和查询更加高效。 事件系统: SQLAlchemy 提供了一个事件系统,允许开发者在 ORM 的各个生命周期阶段插入自定义的钩子函数。 这使得开发者可以在对象加载、修改、删除等操作时执行额外的逻辑。
SQLAlchemy 是一个 SQL 工具包和对象关系映射(ORM)库,用于 Python 编程语言。它提供了一个高级的 SQL 工具和对象关系映射工具,允许开发者以 Python 类和对象的形式操作数据库,而无需编写大量的 SQL 语句。SQLAlchemy 建立在 DBAPI 之上,支持多种数据库后端,如 SQLite, MySQL, PostgreSQL 等。 SQLAlchemy 的核心功能: 对象关系映射(ORM): SQLAlchemy 允许开发者使用 Python 类来表示数据库表,使用类的实例表示表中的行。 开发者可以定义类之间的关系(如一对多、多对多),SQLAlchemy 会自动处理这些关系在数据库中的映射。 通过 ORM,开发者可以像操作 Python 对象一样操作数据库,这大大简化了数据库操作的复杂性。 表达式语言: SQLAlchemy 提供了一个丰富的 SQL 表达式语言,允许开发者以 Python 表达式的方式编写复杂的 SQL 查询。 表达式语言提供了对 SQL 语句的灵活控制,同时保持了代码的可读性和可维护性。 数据库引擎和连接池: SQLAlchemy 支持多种数据库后端,并且为每种后端提供了对应的数据库引擎。 它还提供了连接池管理功能,以优化数据库连接的创建、使用和释放。 会话管理: SQLAlchemy 使用会话(Session)来管理对象的持久化状态。 会话提供了一个工作单元(unit of work)和身份映射(identity map)的概念,使得对象的状态管理和查询更加高效。 事件系统: SQLAlchemy 提供了一个事件系统,允许开发者在 ORM 的各个生命周期阶段插入自定义的钩子函数。 这使得开发者可以在对象加载、修改、删除等操作时执行额外的逻辑。
GeoPandas是一个开源的Python库,旨在简化地理空间数据的处理和分析。它结合了Pandas和Shapely的能力,为Python用户提供了一个强大而灵活的工具来处理地理空间数据。以下是关于GeoPandas的详细介绍: 一、GeoPandas的基本概念 1. 定义 GeoPandas是建立在Pandas和Shapely之上的一个Python库,用于处理和分析地理空间数据。 它扩展了Pandas的DataFrame和Series数据结构,允许在其中存储和操作地理空间几何图形。 2. 核心数据结构 GeoDataFrame:GeoPandas的核心数据结构,是Pandas DataFrame的扩展。它包含一个或多个列,其中至少一列是几何列(geometry column),用于存储地理空间几何图形(如点、线、多边形等)。 GeoSeries:GeoPandas中的另一个重要数据结构,类似于Pandas的Series,但用于存储几何图形序列。 二、GeoPandas的功能特性 1. 读取和写入多种地理空间数据格式 GeoPandas支持读取和写入多种常见的地理空间数据格式,包括Shapefile、GeoJSON、PostGIS、KML等。这使得用户可以轻松地从各种数据源中加载地理空间数据,并将处理后的数据保存为所需的格式。 2. 地理空间几何图形的创建、编辑和分析 GeoPandas允许用户创建、编辑和分析地理空间几何图形,包括点、线、多边形等。它提供了丰富的空间操作函数,如缓冲区分析、交集、并集、差集等,使得用户可以方便地进行地理空间数据分析。 3. 数据可视化 GeoPandas内置了数据可视化功能,可以绘制地理空间数据的地图。用户可以使用matplotlib等库来进一步定制地图的样式和布局。 4. 空间连接和空间索引 GeoPandas支持空间连接操作,可以将两个GeoDataFrame按照空间关系(如相交、包含等)进行连接。此外,它还支持空间索引,可以提高地理空间数据查询的效率。
评论
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