Laravel 5.6中Fractal转换后如何实现筛选、排序与分页？

嘿，我来帮你搞定这个问题！你现在遇到的核心问题是Fractal转换后返回数组，没法直接用集合的方法操作，这里有两种解决方案，优先推荐第一种（性能更佳）：

方案一：先在数据库层完成筛选、排序与分页，再转换（强烈推荐） #

既然userType是关联模型User的字段，咱们完全可以利用Eloquent的关联查询，先在数据库层面完成筛选和排序，再进行Fractal转换，同时分页也直接交给Eloquent处理——这样不仅效率高，Fractal还能自动保留分页元数据。

举个例子：

// 筛选userType为"admin"的新闻，按用户姓名排序，并分页（每页10条）
$news = News::with('user') // 预加载关联，避免N+1问题
    ->whereHas('user', function($query) {
        $query->where('user_type', 'admin');
    })
    ->orderBy('users.f_name', 'asc') // 按用户名字升序排序
    ->paginate(10);

// 然后执行转换
$transformedData = $this->transformData($news, new NewsTransformer);

补充优化：让Fractal自动处理分页元数据 #

你可以改造一下transformData方法，加入Fractal的Laravel分页适配器，这样转换后的结果会自动包含分页相关的元信息（总条数、当前页、每页条数等）：

use League\Fractal\Pagination\LaravelPaginatorAdapter;

protected function transformData($data, NewsTransformer $transformer) {
    $fractal = fractal();
    
    // 如果传入的是分页后的集合，设置分页适配器
    if ($data instanceof \Illuminate\Pagination\LengthAwarePaginator) {
        $fractal->setPaginator(new LaravelPaginatorAdapter($data));
    }
    
    $transformation = $fractal->collection($data, $transformer);
    return $transformation->toArray();
}

方案二：转换后转成Collection再处理（仅适合小数据量） #

如果因为某些特殊需求，必须在转换后的数组上操作，那咱们可以把转换后的数组转成Laravel的Collection，然后用集合的方法完成筛选、排序和分页。不过要注意：这种方法会把所有数据加载到内存中，数据量大时性能会很差，谨慎使用！

示例代码：

// 先完成转换
$transformedArray = $this->transformData(News::with('user')->get(), new NewsTransformer);

// 把转换后的列表转成Collection（注意Fractal的toArray()返回的结构里，数据在data键下）
$newsCollection = collect($transformedArray['data']);

// 1. 筛选userType为"admin"的新闻
$filteredNews = $newsCollection->where('userType', 'admin');

// 2. 按user字段（用户姓名）排序
$sortedNews = $filteredNews->sortBy('user');

// 3. 分页：比如取第1页，每页10条
$paginatedNews = $sortedNews->forPage(1, 10);

// 组装成带分页元信息的结果（类似Eloquent分页的结构）
$result = [
    'data' => $paginatedNews->values()->toArray(),
    'meta' => [
        'total' => $sortedNews->count(),
        'per_page' => 10,
        'current_page' => 1,
        'last_page' => ceil($sortedNews->count() / 10),
    ]
];

总结 #

• 优先选方案一：数据库层面操作性能最优，尤其是数据量大的时候，还能避免内存占用过高的问题。
• 方案二只适合小数据量的场景，比如后台管理的小批量数据处理。

内容的提问来源于stack exchange，提问作者Saman Sattari