关联模型和无限极分类
2013-05-10 21:40
218 查看
今日总结:
关联模型
ONE_TO_ONE : HAS_ONE&BELONGS_TO
ONE_TO_MANY : HAS_MANY&BELONGS_TO
MANY_TO_MANY
首先在模型端定义 表名为首的模型类 集成 关联模型类
在类中 定义 保护变量 $_link = array();里面是字段的映射方式;
如:user表映射为 archive 为 hasone 映射方式、、或者说一对一也可以用belongsto
dept为 belongsto映射方式
grp为manytomany映射方式
默认的manytomany方式中间表名应定义为 操作表明_目标表名
也可以设置relation_table的值进行初始化
hasone 实例化对象 设置 relation()参数为真值 并调用 对象关系映射的方法进行增删改查
关联模型对象 增删改查后 关联的唯一相应字段都会发生改变
自动填充~完成无限级分类
在活动段实例化对象 调用field方法 参数包含concat方法参数内包含path 连接符 - id as bpath 并调用连贯操作的order方法参数为bpath,对象关系映射的select方法。foreache遍历以上获取的多条数据并给每一条加入一个新字段count赋值为count方法 参数为 explode方法 参数为 连接符- bpath字段,从而让每条记录增加一个 和自己路径长度数相等的 count字段 让后 调用¥this 下的assign方法赋值 并调用display方法进行显示。
视图端为表单提交方向为add活动 调用volist标签 使option标签的value为 {$vo['id']} 在volist标签内使用php标签 进行for循环并输出空格 在php标签外在输出 name值
在自定义模型端 设置自动完成的值为array 设置 path字段为回调函数 tclm填充栏目 , 定义函数 tclm 设置pid为传过来的pid 如果没有的话就赋值为0,如果是0 就 返回0,查询id为pid的条目设置 返回数据为 父条的path连接 - 连接 父条的id 即可
关联模型
ONE_TO_ONE : HAS_ONE&BELONGS_TO
ONE_TO_MANY : HAS_MANY&BELONGS_TO
MANY_TO_MANY
首先在模型端定义 表名为首的模型类 集成 关联模型类
在类中 定义 保护变量 $_link = array();里面是字段的映射方式;
如:user表映射为 archive 为 hasone 映射方式、、或者说一对一也可以用belongsto
dept为 belongsto映射方式
grp为manytomany映射方式
默认的manytomany方式中间表名应定义为 操作表明_目标表名
也可以设置relation_table的值进行初始化
hasone 实例化对象 设置 relation()参数为真值 并调用 对象关系映射的方法进行增删改查
关联模型对象 增删改查后 关联的唯一相应字段都会发生改变
自动填充~完成无限级分类
在活动段实例化对象 调用field方法 参数包含concat方法参数内包含path 连接符 - id as bpath 并调用连贯操作的order方法参数为bpath,对象关系映射的select方法。foreache遍历以上获取的多条数据并给每一条加入一个新字段count赋值为count方法 参数为 explode方法 参数为 连接符- bpath字段,从而让每条记录增加一个 和自己路径长度数相等的 count字段 让后 调用¥this 下的assign方法赋值 并调用display方法进行显示。
视图端为表单提交方向为add活动 调用volist标签 使option标签的value为 {$vo['id']} 在volist标签内使用php标签 进行for循环并输出空格 在php标签外在输出 name值
在自定义模型端 设置自动完成的值为array 设置 path字段为回调函数 tclm填充栏目 , 定义函数 tclm 设置pid为传过来的pid 如果没有的话就赋值为0,如果是0 就 返回0,查询id为pid的条目设置 返回数据为 父条的path连接 - 连接 父条的id 即可
相关文章推荐
- 关联模型和无限极分类
- 关联模型和无限极分类
- 面向小数据集构建图像分类模型Keras
- 利用训练好的网络参数模型批量对文字分类(caffe)
- 利用分类模型学习特征权重
- 无限极分类,把子集数组压到父集数组的一个子项下面,用于在前台模板更好的循环显示
- 时间:2014年3月30日9:54:45无限极分类查找子孙树、家谱树
- 【Model Thinking】L6 分类和线性模型 Categorical and Linear Models 学习笔记
- Thinkphp3.2.3 ----后台----无限极分类
- 07-《机器学习及实战》学习之K近邻分类模型
- 利用Amazon Machine Learning与Amazon Redshift建立二进制分类模型
- 分类模型的 Loss 为什么使用 cross entropy
- web前端——html基础笔记 NO.11{元素分类定义,盒模型}
- 【Caffe的C++接口使用说明(三)】Ubuntu14.04下Caffe利用训练好的模型进行分类的C++接口使用说明(三)
- php无限极分类以及递归(thinkphp)
- PHP 无限极分类
- 模型修订失败,“无法将已经有关联的原存储配置的所有者添加到新的原存储配置”
- 逻辑斯谛回归与最大熵分类模型
- 递归遍历,实现无限极分类
- 基于BOW模型的图像分类Bag Of Visual Words model for image classification