Python ORM框架之SQLAlchemy 的基础用法
作者:花_城 发布时间:2023-06-09 18:03:41
一、SQLAlchemy 介绍
1.1 ORM 的概念
ORM全称Object Relational Mapping
(对象关系映射),通过 ORM 就能使用 python
中的对象操作数据库(在底层转换为sql语句),免去sql语句的书写。
但是,由于抽象程度较高,所以 sql 语句的执行效率比较低,因此有些情况下,还是需要我们亲自书写sql语句。
ORM 是通过以下对应关系,将 python 代码转换为 sql 语句的:
python对象 | 关系型数据库 |
---|---|
类 | 表 |
类属性 | 字段 |
类的实例对象 | 记录 |
实例对象的属性值 | 记录的字段值 |
1.2 SQLAlchemy介绍
在 django
中访问数据库,通常会使用 django 自带的 ORM(Object Relational Mapping)对象关系映射来访问数据库,只需要用python的语法来操作对象,就能被自动映射为 sql 语句。
而 SQLAlchemy 则是一个专门的对象关系映射器和 Python SQL工具包,旨在实现高效和高性能的数据库访问。
1.3 架构
Schema / Types: 类到表之间的映射规则。
SQL Expression Language :SQL 语句。
Engine :引擎。
Connection Pooling: 连接池。
Dialect: 方言,调用不同的数据库
API
(Oracle, postgresql, Mysql) 并执行对应的 SQL语句。
1.4 异步
SQLAlchemy
在1.4版本之前,通过 greenlet 实现对异步的支持,而在1.4及之后版本中,添加了 python asyncio 标准库的支持。所以,这需要 python 解释器版本在 3.6+。
1.5 安装
安装 SQLAlchemy(1.4版本):
pip install SQLAlchemy
如果需要 greenlet 异步支持:
pip install sqlalchemy[asyncio]
二、SQLAlchemy 快速入门
2.1 创建配置(可选)
这一步不是必要的,但将配置单独放置一个文件中,能方便我们管理和修改。
创建一个配置文件,如 settings.py:
DBMS = 'mysql' # 数据库管理系统名称:如 sqlite、mysql、oracle等
DBAPI = 'pymysql' # 所使用的 DBAPI(第三方驱动程序),如 pysqlite、pymysql 等
# 下面就是数据库管理系统的内容:主机IP、端口、用户名、密码、数据库
HOST = 'localhost'
PORT = 3306
USERNAME = 'root'
PASSWORD = '123456'
DB = 'myclass'
DB_URI = f'{DBMS}+{DBAPI}://{USERNAME}:{PASSWORD}@{HOST}:{PORT}/{DB}'
2.2 创建引擎和获取、关闭连接
任何 SQLAlchemy 应用程序的开始都是一个名为 Engine 的对象,它是一个为特定的数据库服务器创建一次的全局对象,可以理解为通过 SQLAlchemy 操作数据库的连接中心,保存着连接池。
from sqlalchemy import create_engine
from settings import DB_URI
engine = create_engine(DB_URI) # 创建引擎
# 也可以直接传入字符串,不使用配置文件
# engine = create_engine("数据库管理系统名称+驱动://用户名:密码@主机IP:端口号/数据库名称", echo=True, future=True)
conn = engine.connect() # 获取连接
result = conn.execute('SQL语句') # 执行SQL
print(result.fetchone()) # 打印 SQL 执行结果中的一行
conn.close() # 关闭连接
create_engine()的其他常用参数:
echo:设置为 True,表示将 SQL 记录到记录器,该记录器将 SQL 写入标准输出。
future:使用2.0风格的引擎和连接 API,以便使用 2.0 版本中的新特性。
encoding:默认为 utf-8。
pool_size:在连接池中保持打开的连接数。
2.3 创建 ORM 模型
from sqlalchemy.orm import declarative_base
from sqlalchemy import Column, Integer, String
# 创建基类
Base = declarative_base()
# 每一个模型类都要继承 declarative_base() 创建的基类
class User(Base):
# 定义表名
__tablename__ = 'users'
# 定义字段,参数为字段类型和约束
id = Column(Integer, primary_key=True, autoincrement=True)
name = Column(String)
age = Column(Integer)
sex = Column(String(10))
2.4 创建会话
每次在 python 中执行完操作后,都需要通过 session 提交到数据库:
from sqlalchemy.orm import sessionmaker
# 创建会话,相当于 Django ORM 的 objects
Session = sessionmaker(bind=engine)
session = Session()
# 执行数据的增删改查……
# 比如,新增数据
# session.add(模型类(类属性=值,……))
# 提交
session.commit()
# 关闭session
session.close()
在commit()之前,可以取消对实例对象所做的修改,也就是回滚:
session.rollback()
2.5 创建和删除表
创建所有表:
Base.metadata.create_all(engin)
删除所有表:
Base.metadata.drop_all(engin)
2.6 新增数据
新增数据:
变量名 = 模型类(类属性=值,……)
session.add(变量名)
批量新增:
session.add_all([
模型类(类属性=值,……),
模型类(类属性=值,……)
……
])
2.7 查询数据
查询所有:
变量名 = session.query(模型类).all()
返回模型类实例对象列表。
查询指定字段:
变量名 = session.query(模型类.字段).all()
只获取返回结果的第一个:
变量名 = session.query(模型类).first()
连表查询:
变量名 = session.query(模型类1,模型类2).filter(条件).all()
# 如,查询用户 ID 及其爱好的 ID
res = session.query(User, Hobby).filter(User.hobby_id == Hobby.id).all()
返回一个元组构成的列表,元组包含两个实例对象。
过滤:
变量名 = session.query(模型类).filter(条件).all()
# 如,查询年龄大于18岁的学生名字
res = session.query(Student.name).filter(Student.age >= 18).all()
条件中常用运算符:
多条件过滤:
# 条件之间默认为 and 关系
变量名 = session.query(模型类).filter(条件1, 条件2……).all()
# 使用 or
from sqlalchemy import or_
变量名 = session.query(模型类).filter(or_(条件1, 条件2……)).all()
排序:
变量名 = session.query(模型类).order_by(排序依据字段.desc()).all() # desc 表示倒序,写 asc 或不写就是升序
统计个数:
变量名 = session.query(模型类).count()
切片:
变量名 = session.query(模型类).all()[1:3]
2.8 修改数据
变量名 = session.query(模型类).filter(条件).update({"字段":值})
# 不要忘记提交
2.9 删除数据
session.query(模型类).filter(条件).delete()
三、多表操作
下面的内容中,我将称定义了外键字段的模型类为被关联模型,另一个为关联模型。
3.1 一对多
创建模型:
外键定义在多的一方。
from sqlalchemy import ForeignKey
from sqlalchemy.orm import relationship
class 模型类名称(Base):
__tablename__ = '表名'
字段 = Column(类型,约束)
……
外键字段 = Column(类型,其他约束,ForeignKey(关联模型.字段)) # 重点
关联模型名称小写 = relationship("关联模型的名称",backref="用于反向查询的名称") # 不是字段,不会在数据库中创建
新增数据:
# 正向新增
变量名 = 被关联模型(字段=值,……,外键字段=关联模型(字段=值……))
session.add(变量名)
# 反向新增
变量名A = 关联模型(字段=值,……)
变量名A.backref的值 = [被关联模型的实例1,被关联模型的实例2……]
session.add(变量名A)
正向查询:
先获取被关联模型的实例,然后通过实例.外键获取关联对象。
反向查询:
先获取关联模型的实例,然后通过实例.backref的值获取被关联模型的实例对象。
3.2 多对多
创建模型:
新建中间表,只保存双方的对应关系即可。
在其中一方,定义 relationship:
关联模型类名称小写 = relationship("关联模型类的名称", secondary='中间表模型类的名称小写', backref="用于反向查询的名称") # 不是字段,不会在数据库中创建
新增数据:
在双方创建好数据后,直接在中间表中添加对应关系。
正向、反向查询:
与一对多模型一致。
来源:https://blog.csdn.net/qq_39330486/article/details/123010788
猜你喜欢
- 我们目前生活在Python 3.8的稳定时代,上周发布了Python的最新稳定版本3.8.4。 Python 3.9已经处于其开发的beta
- 目录初始化程序创建Surface对象事件监听游戏循环Pygame 作为一个入门级的游戏开发库,其实并不难学,只要掌握 Python 编程的相
- 我们知道,在js中,当object作为参数传递到函数中进行处理后,实际上是修改了传入的对象本身(或者说是对象的引用),但很多时候我们并不希望
- 异常的传递性在 Python 中,异常的传递性指的是,当一个异常没有被处理时,它会沿着调用栈向上抛出,直到被处理或者导致程序崩溃。具体来说,
- 二维正态分布采样后,绘制置信椭圆假设二维正态分布表示为:下图为两个二维高斯分布采样后的置信椭圆和每个二维高斯分布采样100个数据点,图片为:
- 用了smarty,tp过后,也想了解了解其模板技术是怎么实现,于是写一个简单的模板类,大致就是读取模板文件->替换模板文件的内容-&g
- 1.BeautifulSoup简介BeautifulSoup4和 lxml 一样,Beautiful Soup 也是一个HTML/XML的解
- 1.echo和print的区别PHP中echo和print的功能基本相同(输出),但是两者之间还是有细微差别的。echo输出后没有返回值,但
- 如图,这次需要在图片中找到卷尺的红色刻度,所以需要对图像做过滤,只留下红色部分。一开始的想法是分别找到RGB值,然后找到红色区域的部分保留就
- 使用python编写了共六种图像增强算法:1)基于直方图均衡化2)基于拉普拉斯算子3)基于对数变换4)基于伽马变换5)限制对比度自适应直方图
- 前言一周没有更新博客了,这一周的时间内加强了对机器学习和图像处理的学习。学的有点混乱,有必要记录一下。深度学习可以解决很多问题,但有时候深度
- 有2个不同的方法增加用户:通过使用GRANT语句或通过直接操作MySQL授权表。比较好的方法是使用GRANT语句,因为他们是更简明并且好像错
- 继续练手,根据之前获取汽油价格的方式获取了金价,暂时没钱投资,看看而已#!/usr/bin/env python# -*- coding:
- 一、背景:nginx 的log 不会自动按天备份,而且记录时间格式不统一,此程序专门解决这两个问题;二、windows 部署方式1.在 ng
- 1.背景最近使用Pytest中的fixture和conftest时,遇到需要在conftest中的setup和teardown方法里传递参数
- 用下面代码可实现:<%Dim writeDim fileSysObj, tf, readrea
- 如果你已经理解了block formatting contexts那么请继续,否则请先看看这篇文章。Overflow能够做一些很牛掰的事情,
- 上一篇实战爬取知乎热门话题的实战,并且保存为本地的txt文本先上代码,有很多细节和坑需要规避,弄了两个半小时import requestsi
- 在我们写样式的时候,页面的CSS在经历几个版本的修改之后,可能有些样式已经用不到了,或许将某些样式更名了而原来的忘了删除,总之页面中可能存在
- 最早大家都没有给链接加title的习惯,后来因为w3c标准普及,又集体加上了title。从一个极端走到另个极端,于是出现很多怪异现象。两方面