在 SQLAlchemy ORM 中，可通过 sqlalchemy.all_() 函数结合 like() 实现 PostgreSQL 的 LIKE ALL 语义，避免使用原生 SQL，安全高效地匹配多个模糊条件。
在 sqlalchemy orm 中，可通过 `sqlalchemy.all_()` 函数结合 `like()` 实现 postgresql 的 `like all` 语义，避免使用原生 sql，安全高效地匹配多个模糊条件。
当需要查找同时满足多个模糊匹配条件（如 document_summary 同时包含 "par1"、"par2" 和 "par3"）的记录时，PostgreSQL 原生支持 LIKE ALL (ARRAY['%par1%', '%par2%', '%par3%'])。但在严格要求使用 ORM 的项目中，直接写原生 SQL 不被允许。幸运的是，SQLAlchemy 提供了 sqlalchemy.all_() 函数——专为适配 PostgreSQL 的 ALL 集合操作而设计，可与 like() 无缝配合。
✅ 正确用法：column.like(all_(patterns))
from sqlalchemy import all_, select
from sqlalchemy.orm import Session
# 假设已定义模型 OutBoxDocument
statement = select(OutBoxDocument).where(
OutBoxDocument.document_summary.like(all_(["%par1%", "%par2%", "%par3%"]))
)
with Session(engine) as session:
results = session.scalars(statement).all()该写法生成的标准 SQL 为：
SELECT outbox_document.id, outbox_document.document_summary FROM outbox_document WHERE outbox_document.document_summary LIKE ALL (%(param_1)s)
其中 %(param_1)s 对应传递的字符串列表，由 SQLAlchemy 自动绑定并转义，完全规避 SQL 注入风险。
⚠️ 注意事项
- all_() 仅适用于 PostgreSQL（因 LIKE ALL 是其特有语法），在 SQLite/MySQL 中不可用；
- 模式字符串（如 "%par1%"）需手动添加通配符，all_() 不会自动补全；
- 若使用 Flask-SQLAlchemy，替换执行方式即可：
results = db.session.scalars(statement).all() # 替代原生 Session
- all_() 接收的是 Python 列表（或元组），元素类型必须为字符串，且长度建议 ≤ 数千项（避免参数过多导致查询计划退化）。
? 替代思路（跨数据库兼容）
若未来需迁移至非 PostgreSQL 数据库，可改用链式 and_ 表达等价逻辑：
from sqlalchemy import and_ patterns = ["%par1%", "%par2%", "%par3%"] condition = and_(*[OutBoxDocument.document_summary.like(p) for p in patterns]) statement = select(OutBoxDocument).where(condition)
但注意：此方式生成 WHERE ... LIKE ? AND ... LIKE ? AND ...，语义相同，性能在大数据量下可能略低于 LIKE ALL（因无法利用某些 PG 优化器路径）。
总之，column.like(all_(...)) 是 SQLAlchemy 对 PostgreSQL LIKE ALL 最直接、最安全的 ORM 封装，推荐在明确使用 PostgreSQL 的场景中优先采用。
