IOS NSPredicate - 加速数据处理

序言

NSPredicate 学名叫谓词逻辑。提供一个筛选条件给它,它就可以在最短的时间内筛选出你想要的。简直快到没朋友,甩for循环几条街。

几种常见的处理数据处理

  • 获取字符串数组中长度大于3的元素
    //字符串数组
    NSArray *array = @[@"mally", @"lisa", @"shally"];
    
    //提供筛选条件获取NSPredicate筛选器
    NSPredicate *predicate = [NSPredicate predicateWithFormat:@"length <= 4"];
    
    //按照条件过滤出想要的结果放到resultArr
    NSArray *resultArr = [array filteredArrayUsingPredicate:predicate];
length 是哪里来的?

数组中所有元素都是字符串,也就是NSString,而NSString 具有length这个属性。如果有其他需求,可以查看NSString 的属性列表,根据需求写筛选条件。

执行过程是怎样的?

筛选器(NSPredicate)会获取到数组中的每一个元素(这里是字符串),执行:self.length<=4 这个判断条件,self是当前执行判断的某个元素(这里是某个字符串)。将符合条件的过滤到一个新的数组。全部筛选完毕后,返回这个新的数组。

  • 一个数组中全是model对象,大概如下所示
@interface StudentModel : NSObject

//学生名字
@property (nonatomic) NSString *name;

//学生年龄
@property (nonatomic) int age;

@end

筛选出年龄大于20岁的学生, 我们先创建一点儿数据(正常这些数据都是网络请求所得的),如下

StudentModel *stuOne = [[StudentModel alloc] init];
stuOne.name = @"李明";
stuOne.age = 17;
      
StudentModel *stuTwo = [[StudentModel alloc] init];
stuTwo.name = @"小华";
stuTwo.age = 19;
      
StudentModel *stuTree = [[StudentModel alloc] init];
stuTree.name = @"小李";
stuTree.age = 22;

筛选

NSArray *arr = @[stuOne, stuTwo, stuTree];

//提供筛选条件获取NSPredicate筛选器
NSPredicate *predicate = [NSPredicate predicateWithFormat:@"age > 20"];
    
//按照条件过滤出想要的结果放到resultArr
NSArray *resultArr = [array filteredArrayUsingPredicate:predicate];

原理和上一个例子类似。举一反三

筛选年龄是不是22的学生: age != 22 。
等等,自行探索吧。

  • 筛选出两个数组的差集
NSArray *oArr = @[@"huahua"];
NSArray *tArr = @[@"xiaoming", @"xiaohong", @"huahua"];
NSPredicate *predicate = [NSPredicate predicateWithFormat:@"NOT (SELF IN %@)", oArr];
NSArray *resultArr = [tArr filteredArrayUsingPredicate:predicate];

在这个例子中 筛选条件理解为:tArr 在 oArr 不存在的元素。SELF 指的是tArr。
类似IN NOT 这样的字符串有下面几种固定的。
AND、OR、IN、NOT、ALL、ANY、SOME、NONE、LIKE、CASEINSENSITIVE、CI、MATCHES、CONTAINS、BEGINSWITH、ENDSWITH、BETWEEN、NULL、NIL、SELF、TRUE、YES、FALSE、NO、FIRST、LAST、SIZE、ANYKEY、SUBQUERY、CAST、TRUEPREDICATE、FALSEPREDICATE,
所表达的含义和字母意识都差不多。

  • 查找出姓李的学生,使用上面例子的数据
NSArray *arr = @[stuOne, stuTwo, stuTree];

//提供筛选条件获取NSPredicate筛选器
NSPredicate *predicate = [NSPredicate predicateWithFormat:@"name LIKE '李*'"];
    
//按照条件过滤出想要的结果放到resultArr
NSArray *resultArr = [array filteredArrayUsingPredicate:predicate];

如果'李*'为变量,该变量属于stuModel

NSArray *arr = @[stuOne, stuTwo, stuTree];

//提供筛选条件获取NSPredicate筛选器
NSPredicate *predicate = [NSPredicate predicateWithFormat:@"name LIKE %@", stuModel.name ];
    
//按照条件过滤出想要的结果放到resultArr
NSArray *resultArr = [array filteredArrayUsingPredicate:predicate];

本例的筛选条件涉及到LIKE,模糊查询,类似sql语句的中的like。

>'李*' : 姓李的。
>'*李*': 包含李字的。
'*李' : 李字结尾的。
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 194,670评论 5 460
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 81,928评论 2 371
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 141,926评论 0 320
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,238评论 1 263
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 61,112评论 4 356
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,138评论 1 272
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,545评论 3 381
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,232评论 0 253
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,496评论 1 290
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,596评论 2 310
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,369评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,226评论 3 313
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,600评论 3 299
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 28,906评论 0 17
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,185评论 1 250
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,516评论 2 341
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,721评论 2 335

推荐阅读更多精彩内容