百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术分类 > 正文

MapStruct 工具使用(ignore,expression,qualifiedByName)

ztj100 2025-01-06 16:31 27 浏览 0 评论

1.pom坐标

<!--mapstruct start-->
<dependency>
    <groupId>org.mapstruct</groupId>
    <artifactId>mapstruct</artifactId>
    <version>1.4.2.Final</version>
</dependency>
<dependency>
    <groupId>org.mapstruct</groupId>
    <artifactId>mapstruct-processor</artifactId>
    <version>1.4.2.Final</version>
</dependency>
<!--mapstruct end-->

2.使用

@Data
@TableName("t_order")
public class Order {

    @TableId(value = "order_id")
    private Long orderId;

    @TableField(value = "price")
    private BigDecimal price;

    @TableField(value = "user_id")
    private Long userId;

    @TableField(value = "status")
    private String status;

    private LocalDateTime start;

    private String generalField;
}
package com.wangguo.converter;


import com.wangguo.dto.OrderDto;
import com.wangguo.entity.Order;
import org.mapstruct.Mapper;
import org.mapstruct.Mapping;
import org.mapstruct.Named;
import org.mapstruct.factory.Mappers;

import java.math.BigDecimal;
import java.text.SimpleDateFormat;
import java.time.LocalTime;

/**
 * 1.常规的映射使用 @Mapping(target = "field", source = "generalField") 字段名不同
 * 2.expression 的使用 expression = "java(expression)"
 *  	2.1 expression 可以写相应的表达式
 *  	2.2 如果需要需要引入相应的类 在imports中引入
 * 3. qualifiedByName的使用
 *  	3.1 @Named() 注解定义方法 在相应的Converter类中
 *  	3.2 对应的方法名在 @Mapping中正常引用
 *  	3.3 其中方法中的参数来源于source,如我写的例子。因为方法中引用的是(Order order) 所以source=“order”
 * 4.ignore的使用 target中不映射source中的值
 */

@Mapper(imports = {LocalTime.class, SimpleDateFormat.class})
public interface OrderConverter {

    OrderConverter INSTANCE = Mappers.getMapper(OrderConverter.class);

    @Mapping(target = "field", source = "generalField")
    //@Mapping(target = "start", expression = "java(order.getStart()!= null ? order.getStart().withHour(23).withMinute(59).withSecond(59).withNano(0): null )")
    @Mapping(target = "start", expression = "java(order.getStart()!= null ? order.getStart().with(LocalTime.MAX).withNano(0): null )")
    @Mapping(target = "price", source = "order", qualifiedByName = "fillPrice")
    @Mapping(target = "status", ignore = true)
    OrderDto covert(Order order);

    @Named("fillPrice")
    default BigDecimal fillPrice(Order order) {
        return order.getPrice().add(new BigDecimal("2.0"));
    }
}
package com.wangguo;

import com.wangguo.converter.OrderConverter;
import com.wangguo.dto.OrderDto;
import com.wangguo.entity.Order;
import org.junit.jupiter.api.Test;
import org.springframework.boot.test.context.SpringBootTest;

import java.math.BigDecimal;
import java.time.LocalDateTime;

/**
 * Copyright 1968-2022 Midea Group,IT
 *
 * @author wangguo17
 * @create 2024/11/14
 * @description mapStruct的使用demo
 */
@SpringBootTest
public class ConvertTest {

    @Test
    public void convertDto() {
        Order order = new Order();
        order.setGeneralField("generaField");
        order.setStart(LocalDateTime.now());
        order.setPrice(new BigDecimal("2.0"));
        order.setStatus("status");

        System.out.println("order = " + order);
        OrderDto orderDto = OrderConverter.INSTANCE.covert(order);
        System.out.println("-------");
        System.out.println("orderDto = " + orderDto);

        /**
         * order = Order(orderId=null, price=2.0, userId=null, status=status, start=2024-11-14T10:51:01.935, generalField=generaField)
         * -------
         * orderDto = OrderDto(orderId=null, price=4.0, userId=null, status=null, start=2024-11-14T23:59:59, field=generaField)
         */

    }
}

相关推荐

其实TensorFlow真的很水无非就这30篇熬夜练

好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...

交叉验证和超参数调整:如何优化你的机器学习模型

准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...

机器学习交叉验证全指南:原理、类型与实战技巧

机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...

深度学习中的类别激活热图可视化

作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...

超强,必会的机器学习评估指标

大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...

机器学习入门教程-第六课:监督学习与非监督学习

1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...

Python教程(三十八):机器学习基础

...

Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置

你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...

超全面讲透一个算法模型,高斯核!!

...

神经网络与传统统计方法的简单对比

传统的统计方法如...

AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程

...

自回归滞后模型进行多变量时间序列预测

下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...

苹果AI策略:慢哲学——科技行业的“长期主义”试金石

苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...

时间序列预测全攻略,6大模型代码实操

如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...

AI 基础知识从 0.4 到 0.5—— 计算机视觉之光 CNN

...

取消回复欢迎 发表评论: