django 按照时间降序

比较简单所以就不写注释了 自己看看吧

def api_back_descending_news(request):
  # 降序
  if request.POST.get('DescendingOrder'):
      cursor = connection.cursor()
      page = int(request.POST.get('page', 1))
      limit = int(request.POST.get('limit', 10))
      data = find_data(cursor,
                       f'select * from (select id from quick_poll_alerts order by alerts_releasetime asc limit '
                       f'{(page - 1) * limit},{limit}) a left join quick_poll_alerts b on a.id=b.id')
      cursor.execute(f'select count(*) from quick_poll_alerts')
      count = cursor.fetchall()
      cursor.close()
      return JsonResponse({'code': 200, 'data': data, 'count': count})

find_data

def find_data(cursor, sql):
    # 格式化sql输出
    cursor.execute(sql)
    res = cursor.fetchall()
    # label 多对多
    list = []
    for r in res:
        data1 = {}
        cursor.execute(f'select quick_poll_alerts.id, quick_poll_label.* '
                       f'from quick_poll_alerts, quick_poll_label, quick_poll_alerts_label '
                       f'where quick_poll_alerts.id=quick_poll_alerts_label.alerts_id '
                       f'and quick_poll_label.id=quick_poll_alerts_label.label_id '
                       f'and quick_poll_alerts.id={r[0]};')
        list1 = cursor.fetchall()
        labels = [l[2] for l in list1]
        data1['id'] = r[0]
        data1['img'] = r[4]
        data1['labels'] = labels
        data1['title'] = r[13]
        data1['regional'] = Regional.objects.filter(id=r[8]).first().regional_name
        data1['source'] = Source.objects.filter(id=r[11]).first().source_name
        data1['total_views'] = r[10]
        data1['time'] = r[12].strftime("%Y-%m-%d")
        list.append(data1)
    return list

©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 203,098评论 5 476
  • 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 85,213评论 2 380
  • 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 149,960评论 0 336
  • 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 54,519评论 1 273
  • 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 63,512评论 5 364
  • 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 48,533评论 1 281
  • 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 37,914评论 3 395
  • 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 36,574评论 0 256
  • 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 40,804评论 1 296
  • 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 35,563评论 2 319
  • 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 37,644评论 1 329
  • 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 33,350评论 4 318
  • 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 38,933评论 3 307
  • 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 29,908评论 0 19
  • 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 31,146评论 1 259
  • 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 42,847评论 2 349
  • 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 42,361评论 2 342

推荐阅读更多精彩内容

  • 纨绔的笑容 偏爱谁的模样 催拉腐朽的身体 于暗处静静地窥视 那如耀阳高高的所在 不曾施舍一眼 若是 若是 雨开始下...
    正合我意阅读 294评论 0 4
  • 01 18岁那年,我希望能快快长大,能离开学校。 24岁这一年,我总是不经意怀念校园的日子。 曾经的年少岁月是我最...
    猫与故事阅读 357评论 0 1
  • 我们现在为什么要打工?每天忙于工作,实际上目的还是为了讨生活。 让我们的生活有物质的基础,只有更好的物质基础,在精...
    简花橙阅读 672评论 3 24