Django Rest framework三种分页方式详解
前言
我们数据库有几千万条数据,这些数据需要展示,我们不可能直接从数据库把数据全部读取出来.
因为这样会给内存造成巨大的压力,很容易就会内存溢出,所以我们希望一点一点的取.
同样,展示的时候也是一样的,我们必定会对数据进行分页显示.
本文将详细讲述DRF为我们提供的三种分页方式.
全局配置
REST_FRAMEWORK = { # 对所有分页器生效,但优先级低 'PAGE_SIZE': 5, # 每页显示5条数据 }
我们先准备好用于测试分页的数据以及序列化类
数据表
from django.db import models class Test(models.Model): """用于测试分页的数据表""" name = models.CharField(max_length=64)
生成表记录:
# 在Python脚本中调用Django环境 import os if __name__ == '__main__': # 将下面的'blog095.settings'改为项目对应的名称后直接执行即可生成记录 os.environ.setdefault('DJANGO_SETTINGS_MODULE', > 'blog095.settings') import django django.setup() from blog.models import Test # 导入数据表 [Test.objects.create(name="花千骨%s" % str(i)) for i in range(100)]
序列化类
from rest_framework.serializers import ModelSerializer from blog.models import Test # 导入数据表 class TestSerializer(ModelSerializer): """用于测试分页的序列化类""" class Meta: model = Test fields = '__all__'
第一种 PageNumberPagination 查第n页,每页显示n条数据
第一步 分页器配置文件
from rest_framework import pagination class PageNumberPagination(pagination.PageNumberPagination): """查第n页,每页显示n条数据""" page_size = 10 # 指定每页显示多少条数据 page_size_query_param = 'size' # URL参数中每页显示条数的参数 page_query_param = 'page' # URL中页码的参数 max_page_size = None # 每页最多显示多少条数据
第二步 视图文件
from rest_framework.response import Response from rest_framework.views import APIView from rest_framework.serializers import ModelSerializer from blog.models import Test # 导入数据表 from blog import pagination # 导入上面的分页配置 class Test01View(APIView): def get(self, request): queryset = Test.objects.all() # 1. 实例化分页器对象 page_obj = pagination.PageNumberPagination() # 2. 使用自己配置的分页器调用分页方法进行分页 page_data = page_obj.paginate_queryset(queryset, request) # 3. 序列化我们分页好的数据 ser_obj = TestSerializer(page_data, many=True) # # 4. 返回数据 # return Response(ser_obj.data) # 4. 返回带上一页/下一页连接的页面 return page_obj.get_paginated_response(ser_obj.data)
第三步 访问测试
如上图,指定page=10&size=5后,返回了相应的数据.
***
第二种 LimitOffsetPagination 在第n个位置,向后查n条数据
第一步 分页器配置文件
from rest_framework import pagination class LimitOffsetPagination(pagination.LimitOffsetPagination): """在第n个位置,向后查n条数据""" default_limit = 1 # 指定默认查多少条数据 limit_query_param = 'limit' # URL中指定查多少条数据的参数 offset_query_param = 'offset' # URL中指定从第几条数据开始查的参数 max_limit = 999 # 最大显示多少条数据
第二步 视图文件
from rest_framework.response import Response from rest_framework.views import APIView from rest_framework.serializers import ModelSerializer from blog.models import Test # 导入数据表 from blog.pagination import LimitOffsetPagination # 导入上面的分页配置 class Test02View(APIView): def get(self, request): queryset = Test.objects.all() # 1. 实例化分页器对象 page_obj = LimitOffsetPagination() # 2. 使用自己配置的分页器调用分页方法进行分页 page_data = page_obj.paginate_queryset(queryset, request) # 3. 序列化我们分页好的数据 ser_obj = TestSerializer(page_data, many=True) # # 4. 返回数据 # return Response(ser_obj.data) # 4. 返回带上一页/下一页连接的页面 return page_obj.get_paginated_response(ser_obj.data)
第三步 访问测试
***
第三种 CursorPagination 加密游标的分页
第一步 分页器配置文件
from rest_framework import pagination class CursorPagination(pagination.CursorPagination): """加密游标的分页""" cursor_query_param = 'cursor' # 游标(这是加密的游标) # ordering = '-id' # 从后往前取数据 ordering = 'id' page_size = 1 # 每页显示的条数
第二步 视图文件
from rest_framework.response import Response from rest_framework.views import APIView from rest_framework.serializers import ModelSerializer from blog.models import Test # 导入数据表 from blog.pagination import CursorPagination # 导入上面的分页配置 class Test03View(APIView): def get(self, request): queryset = Test.objects.all() # 1. 实例化分页器对象 page_obj = CursorPagination() # 2. 使用自己配置的分页器调用分页方法进行分页 page_data = page_obj.paginate_queryset(queryset, request) # 3. 序列化我们分页好的数据 ser_obj = TestSerializer(page_data, many=True) # # 4. 返回数据 # return Response(ser_obj.data) # 4. 返回带上一页/下一页连接的页面 return page_obj.get_paginated_response(ser_obj.data)
好了,打开浏览器去测试吧.
还可以使用DRF视图系统生成带有上一页/下一页按钮的页面.
from rest_framework.viewsets import ModelViewSet class Test04View(ModelViewSet): queryset = Test.objects.all() serializer_class = TestSerializer pagination_class = CursorPagination # 指定分页配置器
如下图:
is ok.
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持脚本之家。
相关文章
TensorFlow Saver:保存和读取模型参数.ckpt实例
今天小编就为大家分享一篇TensorFlow Saver:保存和读取模型参数.ckpt实例,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧2020-02-02
最新评论