// 关联查询(商品图片、sku列表) $with = ['images.file', 'skuList.image', 'video', 'videoCover']; // 获取商品记录 $goodsInfo = $this->getGoodsMain($goodsId, $with, $verifyStatus);

时间: 2024-03-14 14:48:33 浏览: 16
这段代码是使用ThinkPHP的ORM进行关联查询的示例。$with数组中存放的是要查询的关联模型,其中'images.file'表示关联模型为images,images模型又与file模型有关联关系,'skuList.image'表示关联模型为skuList,skuList模型又与image模型有关联关系,'video'和'videoCover'则分别表示关联模型为video和videoCover。 在getGoodsMain()方法中,会使用with()方法来指定要查询的关联模型: ```php // 关联查询(商品图片、sku列表) $with = ['images.file', 'skuList.image', 'video', 'videoCover']; // 获取商品记录 $goodsInfo = $this->getGoodsMain($goodsId, $with, $verifyStatus); public function getGoodsMain($goodsId, $with, $verifyStatus = 0) { // 查询条件 $map = [ 'id' => $goodsId, 'verify_status' => $verifyStatus, ]; // 关联查询 $goodsInfo = $this->with($with)->where($map)->find(); return $goodsInfo; } ``` 这样就可以查询到与商品相关的图片、sku列表、视频和视频封面等信息,并将其存储在$goodsInfo变量中返回。

相关推荐

func PostOperateOrderList(a *decorator.ApiBase, data *adminStruct.OperateOrderRequest) error { logger.AccessLogger.Info("PostOperateOrderList...") resp := adminStruct.OperateOrderListResponse{} resp.ResponseCommon = a.NewSuccessResponseCommon() logger.AccessLogger.Info("权限:", a.Token.Uids) // 查询数据 resQuery := a.Ts.Table("business_order_info as a "). Joins("inner join business_base as b on b.bid=a.bid"). //Select(a.boid, a.bid, a.sid, s.wid, a.order_no, a.order_time, // a.sum_num, a.sum_amt, a.pay_amt, a.status, a.proc_status, a.warehouse_status). Not("a.status=?", model.Delete) // flag 1商品待入库订单列表2商品出库 //if data.Flag == "1" { // resQuery = resQuery.Where(" warehouse_status in ('1','2') and status='5'") //} else if data.Flag == "2" { // resQuery = resQuery.Where(" warehouse_status in ('3','4') and status='6'") //} if len(data.Status) > 0 { resQuery = resQuery.Where(" a.status in ?", data.Status) } if data.BeginDate > 0 { resQuery = resQuery.Where(" a.order_time>=?", data.BeginDate) } if data.EndDate > 0 { resQuery = resQuery.Where(" a.order_time<=?", data.EndDate) } if data.Bid > 0 { resQuery = resQuery.Where(" a.bid=?", data.Bid) } if data.Sid > 0 { resQuery = resQuery.Where(" a.sid=?", data.Sid) } if len(data.Sname) > 0 { sup := admin_lib.SupplierBase{ Db: a.Ts, LikeName: data.Sname, } sids, _ := sup.QuerySupplierNameLikeSids() if len(sids) > 0 { resQuery = resQuery.Where(" a.sid in ?", sids) } } if data.Wid > 0 { resQuery = resQuery.Where(" a.wid=?", data.Wid) } if len(data.OrderNo) > 0 { resQuery = resQuery.Where(" a.order_no like ?", fmt.Sprintf("%%%s%%", data.OrderNo)) } if a.Token.Uids != nil && a.Token.User.Uid != 1 { resQuery = resQuery.Where("b.cuid in ?", *a.Token.Uids) } // 查询总条数 a.DbErrSkipRecordNotFound(resQuery. Count(&resp.Count). Error) if resp.Count > 0 { //var err error // 查询订单信息 //tmpResp := []adminStruct.SupplierOrderResponse{} a.DbErrSkipRecordNotFound(resQuery. Select(a.boid, a.bid, a.sid, a.wid, a.order_no, a.order_time, be.bname, se.sname, w.wname, a.sum_num, a.sum_amt, a.pay_amt, a.status, a.proc_status, a.warehouse_status, a.logistics_id). Joins("inner join business_expand as be on be.bid=a.bid"). Joins("inner join supplier_expand as se on se.sid=a.sid"). Joins("inner join warehouse_info as w on w.wid=a.wid"). Order("a.boid desc"). Limit(a.Size). Offset(a.Offset). Find(&resp.Data). Error) //// 获取boid数组 //var boids []int64 //for _, tmp := range resp.Data { // boids = append(boids, tmp.Boid) //} // 查询明细SKU信息 //tmpRows := []adminStruct.OperateOrderDetail{} ////tmpDetail := []adminStruct.BusinessOrderDetail{} //tmpDetail, err := admin_lib.QueryBusinessOrderSku(boids) //if err != nil { // logger.AccessLogger.Error("ERROR:", err.Error()) // return a.ReturnPublicErrorResponse(err.Error()) //} //copier.Copy(&tmpRows, &tmpDetail) //logger.AccessLogger.Info("len:", len(tmpRows)) //for idx, main := range resp.Data { // for _, details := range tmpRows { // if details.Boid == main.Boid { // resp.Data[idx].Detail = append(resp.Data[idx].Detail, details) // } // } //} } // 准备返回数据 return a.ReturnSuccessCustomResponse(resp) }

func PostPurchaseList(a *decorator.ApiBase, data *adminStruct.PurchaseList) error { logger.AccessLogger.Info("PostPurchaseList....") res := adminStruct.PurchaseListResp{} //res.ResponseCommon = a.NewSuccessResponseCommon() query := a.Ts.Table("purchase_order_info a"). Select("a.poid,a.cuid,a.arrival_num,a.sum_num,a.goods_sum_amt,a.pur_amt,a.other_amt,a.sum_amt,whi.addr,whi.phone,whi.contacts"). Joins(left join warehouse_info whi on a.wid = whi.wid) if len(data.OrderNo) > 0 { query = query.Where("a.order_no like ?", fmt.Sprintf("%%%s%%", data.OrderNo)) } if len(data.Sku) > 0 { query = query.Where("gs.sku like ?", fmt.Sprintf("%%%s%%", data.Sku)) } if len(data.Gname) > 0 { query = query.Where("g.gname like ?", data.Gname) } if data.Wid > 0 { query = query.Where("a.wid like ?", data.Wid) } if data.Sid > 0 { query = query.Where("a.sid like ?", data.Sid) } if len(data.LogisticsId) > 0 { query = query.Where("a.logistics_id like ?", data.LogisticsId) } if len(data.Remark) > 0 { query = query.Where("a.remark like ?", data.Remark) } if len(data.ApplyPayStatus) > 0 { query = query.Where("a.arrival_status like ?", data.ApplyPayStatus) } if len(data.PayStatus) > 0 { query = query.Where("a.pay_status like ?", data.PayStatus) } if len(data.ArrivalStatus) > 0 { query = query.Where("a.arrival_status like ?", data.ArrivalStatus) } if data.ArrivalTime > 0 { query = query.Where(" a.arrival_time=?", data.ExpectCime-time.Now().Unix()) } if data.Ctime > 0 { query = query.Where(" a.ctime>=?", data.BeginDate) } if data.Ctime > 0 { query = query.Where(" a.ctime<=?", data.EndDate) } utils.Error(query.Limit(a.Size). Offset(a.Offset). Find(&res.Data).Error) var poids []int64 for _, i := range res.Data { poids = append(poids, i.Poid) } g := []adminStruct.GoodsInfo2{} utils.Error(a.Ts.Table("purchase_order_list b"). Select("b.poid,gs.sku,b.price,b.num,g.gname,g.image,b.polid,b.goods"). Joins(left join goods_base g on g.gid=b.gid). Joins(left join goods_sku gs on gs.gsid = b.skuid). Where("b.poid in ?", poids).Find(&g).Error) for i, _ := range res.Data { p := &res.Data[i] for _, i2 := range g { if i2.Poid == p.Poid { p.Detail = append(p.Detail, i2) } } } return a.ReturnSuccessCustomResponse(res) }

最新推荐

recommend-type

智慧物流医药物流落地解决方案qytp.pptx

智慧物流医药物流落地解决方案qytp.pptx
recommend-type

JAVA物业管理系统设计与实现.zip

JAVA物业管理系统设计与实现
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

解释minorization-maximization (MM) algorithm,并给出matlab代码编写的例子

Minorization-maximization (MM) algorithm是一种常用的优化算法,用于求解非凸问题或含有约束的优化问题。该算法的基本思想是通过构造一个凸下界函数来逼近原问题,然后通过求解凸下界函数的最优解来逼近原问题的最优解。具体步骤如下: 1. 初始化参数 $\theta_0$,设 $k=0$; 2. 构造一个凸下界函数 $Q(\theta|\theta_k)$,使其满足 $Q(\theta_k|\theta_k)=f(\theta_k)$; 3. 求解 $Q(\theta|\theta_k)$ 的最优值 $\theta_{k+1}=\arg\min_\theta Q(
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。
recommend-type

"互动学习:行动中的多样性与论文攻读经历"

多样性她- 事实上SCI NCES你的时间表ECOLEDO C Tora SC和NCESPOUR l’Ingén学习互动,互动学习以行动为中心的强化学习学会互动,互动学习,以行动为中心的强化学习计算机科学博士论文于2021年9月28日在Villeneuve d'Asq公开支持马修·瑟林评审团主席法布里斯·勒菲弗尔阿维尼翁大学教授论文指导奥利维尔·皮耶昆谷歌研究教授:智囊团论文联合主任菲利普·普雷教授,大学。里尔/CRISTAL/因里亚报告员奥利维耶·西格德索邦大学报告员卢多维奇·德诺耶教授,Facebook /索邦大学审查员越南圣迈IMT Atlantic高级讲师邀请弗洛里安·斯特鲁布博士,Deepmind对于那些及时看到自己错误的人...3谢谢你首先,我要感谢我的两位博士生导师Olivier和Philippe。奥利维尔,"站在巨人的肩膀上"这句话对你来说完全有意义了。从科学上讲,你知道在这篇论文的(许多)错误中,你是我可以依
recommend-type

实现实时监控告警系统:Kafka与Grafana整合

![实现实时监控告警系统:Kafka与Grafana整合](https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X2pwZy9BVldpY3ladXVDbEZpY1pLWmw2bUVaWXFUcEdLT1VDdkxRSmQxZXB5R1lxaWNlUjA2c0hFek5Qc3FyRktudFF1VDMxQVl3QTRXV2lhSWFRMEFRc0I1cW1ZOGcvNjQw?x-oss-process=image/format,png) # 1.1 Kafka集群架构 Kafka集群由多个称为代理的服务器组成,这
recommend-type

帮我实现在Androidstudio调用chapgpt并提供源码

首先,你需要运行一个ChitGPT的服务器,然后通过Android应用程序与该服务器进行通信。以下是一个简单的Android应用程序示例,可以与ChitGPT进行通信: 1. 首先,在Android Studio中创建一个新的项目,并添加以下依赖项: ``` implementation 'com.squareup.okhttp3:okhttp:4.9.0' implementation 'com.google.code.gson:gson:2.8.6' ``` 2. 创建一个新的Java类,用于与ChitGPT服务器通信。以下是一个简单的实现: ```java import com.