在GPT帮助下，我为hade增加了model自动生成api的功能

前言：我为hade增加了model自动生成api的功能，这篇记录下我完成这个功能过程中是如何使用GPT来做协助的。

hade的v1.0.6版本发布，增加根据model自动生成api的功能

之前给hade增加过一个model gen的功能，就是配置好数据库的配置文件，自动生成数据表的gorm的模型文件。但是其实还可以更近一步，我可以生成model模型文件，那么我肯定就能生成这个model对应的api，当然前提是这个api是“按照某种规范”的。

所以hade的v1.0.6就迭代了下这个功能。官方文档更新如下：http://hade.funaio.cn/guide/model.html

在./hade model下增加了两个命令，形成3个命令

• ./hade model api 通过数据表自动生成api代码

• ./hade model gen 通过数据表自动生成model代码

• ./hade model test 测试某个数据库是否可以连接

最复杂的就是./hade model api的命令，这里记录下开发这个命令的心路历程。

功能分析

要输入一个表名字，输出这个表的api等，首先我要获取这个表的所有字段和类型。

问题1：怎么获取一个表的所有字段

那么怎么获取一个表的所有字段和类型呢？我也先询问了下ChatGPT：

我们可以用gorm来获取一个表的所有字段到一个map[string]string 中。

具体使用的是这个sql语句：SHOW COLUMNS FROM student

可以使用GORM的Raw方法和Scan方法将SHOW COLUMNS FROM语句查询到的结果解析为一个map类型。具体的代码如下：

goCopy code
// 定义一个用于存储字段名和字段类型的结构体
type Column struct {
    Field string `gorm:"column:Field"`
    Type  string `gorm:"column:Type"`
}

// 定义一个map类型，用于存储字段名和字段类型
columns := make(map[string]string)

// 执行原始的SQL语句
rows, err := db.Raw("SHOW COLUMNS FROM student").Rows()
if err != nil {
    // 处理错误
}

// 逐行解析查询结果
for rows.Next() {
    var column Column
    if err := db.ScanRows(rows, &column); err != nil {
        // 处理错误
    }
    columns[column.Field] = column.Type
}

// 输出结果
fmt.Println(columns)

上述代码中，首先定义了一个结构体Column，用于存储每个字段的名称和类型。接着定义了一个map[string]string类型的变量columns，用于存储所有字段的名称和类型。

然后，使用Raw方法执行原始的SQL语句SHOW COLUMNS FROM student，并通过Rows方法获取查询结果的行数据。对于每一行数据，使用ScanRows方法将其解析为一个Column结构体，再将结构体中的Field字段作为columns的键，Type字段作为columns的值，存储到columns变量中。

最后，输出columns变量的内容，即可得到包含所有字段名称和类型的map。注意，在使用完查询结果之后，需要及时关闭rows，避免资源泄露。可以在循环结束后通过调用rows.Close()来关闭rows。

上述代码中的columns是一个map[string]string类型的变量，用于存储所有字段的名称和类型。它的输出结果类似于下面这个样子：

goCopy code
map[id:uint name:string age:uint class_id:uint]

输出结果中，map表示这是一个map类型的变量，而id、name、age和class_id则是这个map中的键，它们的值分别是uint和string类型，表示对应字段的数据类型。注意，输出结果中各个键值对的顺序可能会因为内部实现原因而不同。

====

尝试了一下确实可行，但是在hade中，一切皆接口，于是我修改了一下之前的orm的接口协议。

type TableColumn struct {
 Field   string `gorm:"column:Field"`
 Type    string