WedX - журнал о программировании и компьютерных науках

Пользовательский выпадающий фильтр для блогов не работает для нескольких фильтров - Wordpress

У меня есть сайт на вордпресс. На странице блогов я создал фильтры select dropdown, если я пишу код для одного фильтра, он работает, если я пишу код для нескольких фильтров, он не работает.
Страница:
  введите здесь описание изображения См. фильтры в интерфейсе. А теперь посмотрите код:

$filter_model = $_POST['filter_model'];
$args = array(
        'post_type'  => 'ad',
        'meta_key'     => 'model',
        'meta_value'   => $filter_model,
    );

Это для одиночного фильтра, если я это сделаю, то фильтр будет работать и сообщения появятся во внешнем интерфейсе.

$filter_model = $_POST['filter_model'];
$filter_year = $_POST['filter_year'];
$args = array(
        'post_type'  => 'ad',
        'meta_query' => array(
                            array(
                                'key'     => 'model',
                                'value'   => $filter_model,
                                'compare' => 'NOT LIKE',
                            ),
                            array(
                                'key'     => 'ad_year',
                                'value'   => $filter_year,
                                'compare' => 'NOT LIKE',
                            ),
                        ),
    );
$query = new WP_Query($args);

Это для нескольких фильтров, если я это сделаю, то фильтры не будут работать и сообщения не будут отображаться во внешнем интерфейсе.
Не могли бы вы помочь мне, где я ошибаюсь, и как я могу отфильтровать несколько мета-ключей. Я застрял.


  • Почему вы сравниваете с «НЕ НРАВИТСЯ»? 03.09.2020
  • Моя ошибка...... 03.09.2020

Ответы:


1

Измените 'compare' => 'NOT LIKE', на 'compare' => '=',. Это должно работать.

03.09.2020
Новые материалы

Объяснение документов 02: BERT
BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка. Во время предварительного обучения модель обучается на неразмеченных данных с помощью..

Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..

Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv) Автор : Бар Лайт Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..

Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята? В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..

Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение. В этом процессе мы будем использовать неконтролируемое обучение, чтобы..

Учебные заметки: создание моего первого пакета Node.js
Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm. Оглавление Глоссарий I. Новый пакет 1.1 советы по инициализации..

Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных. Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..


Для любых предложений по сайту: [email protected]