当前位置：移动技术网 > IT编程>脚本编程>Python > SQLAlchemy--基本增删改查

SQLAlchemy--基本增删改查

2019年11月04日 | 移动技术网IT编程 | 我要评论

简介

sqlalchemy是一个基于python实现的orm框架。该框架建立在 db api之上，使用关系对象映射进行数据库操作，简言之便是：将类和对象转换成sql，然后使用数据api执行sql并获取执行结果。

安装

pip3 install sqlalchemy

组成部分

engine：框架的引擎
connection pooling：数据库连接池
dialect：选择连接数据库的db api种类
schema/types：架构和类型
sql exprression language：sql表达式语言

sqlalchemy本身无法操作数据库，其必须以来pymsql等第三方插件，dialect用于和数据api进行交流，根据配置文件的不同调用不同的数据库api，从而实现对数据库的操作，如：

"""
mysql-python
    mysql+mysqldb://<user>:<password>@<host>[:<port>]/<dbname>
    
pymysql
    mysql+pymysql://<username>:<password>@<host>/<dbname>[?<options>]
    
mysql-connector
    mysql+mysqlconnector://<user>:<password>@<host>[:<port>]/<dbname>
    
cx_oracle
    oracle+cx_oracle://user:pass@host:port/dbname[?key=value&key=value...]
    
更多：http://docs.sqlalchemy.org/en/latest/dialects/
"""

django中如何反向生成models

python manage.py inspectdb > app/models.py

简单使用

sqlalchemy只能创建表，删除表，不能在原先的表上在进行修改，如果要进行修改，可以在数据库进行修改，然后再在对应的类上进行修改

执行原生sql（不常用）

import time
import threading
import sqlalchemy
from sqlalchemy import create_engine
from sqlalchemy.engine.base import engine

engine = create_engine(
    "mysql+pymysql://root:123456@127.0.0.1:3306/test?charset=utf8",
    max_overflow=0,  # 超过连接池大小外最多创建的连接
    pool_size=5,  # 连接池大小
    pool_timeout=30,  # 池中没有线程最多等待的时间，否则报错
    pool_recycle=-1  # 多久之后对线程池中的线程进行一次连接的回收（重置）
)
def task(arg):
    conn = engine.raw_connection()
    cursor = conn.cursor()
    cursor.execute(
        "select * from app01_book"
    )
    result = cursor.fetchall()
    print(result)
    cursor.close()
    conn.close()

for i in range(20):
    t = threading.thread(target=task, args=(i,))
    t.start()

orm使用（重点）

连接

from sqlalchemy import create_engine

create_engine()返回一个engine的实例，并且它表示通过数据库语法处理细节的核心接口，在这种情况下，数据库语法将会被解释称python的类方法

engine = create_engine('mysql+pymysql://root:123456@localhost:3306/test',echo=true)

连接 echo参数为true时，会显示每条执行的sql语句

engine = create_engine('mysql+pymysql://root:123456@localhost:3306/test')

声明映像

通过使用declarative方法，我们可以创建一些包含描述要被映射的实际数据库表的准则的映射类。
使用declarative方法定义的映射类依据一个基类，这个基类是维系类和数据表关系的目录——我们所说的declarative base class。在一个普通的模块入口中，应用通常只需要有一个base的实例。我们通过declarative_base()功能创建一个基类：

from sqlalchemy.ext.declarative import declarative_base
base = declarative_base()

有了这个base，我们可以依据这个base定义任意数量的映射类：

class user(base):
    __tablename__ = 'users'  # 数据库表名称
    id = column(integer, primary_key=true)  # id 主键
    name = column(string(32), index=true, nullable=false)  # name列，索引，不可为空
    # email = column(string(32), unique=true)
    #datetime.datetime.now不能加括号，加了括号，以后永远是当前时间
    # ctime = column(datetime, default=datetime.datetime.now)
    # extra = column(text, nullable=true)

    __table_args__ = (
        # uniqueconstraint('id', 'name', name='uix_id_name'), #联合唯一
        # index('ix_id_name', 'name', 'email'), #索引
    )

注意: 用declarative 构造的一个类至少需要一个tablename属性，一个主键行。

生成表

sqlalchemy不能通过类似于与django的makemigerations和migerate自动生成表，需要我们自己进行表的生成

def init_db():
    """
    根据类创建数据库表
    :return:
    """
    engine = create_engine(
        "mysql+pymysql://root:123456@127.0.0.1:3306/aaa?charset=utf8",
        max_overflow=0,  # 超过连接池大小外最多创建的连接
        pool_size=5,  # 连接池大小
        pool_timeout=30,  # 池中没有线程最多等待的时间，否则报错
        pool_recycle=-1  # 多久之后对线程池中的线程进行一次连接的回收（重置）
    )

    base.metadata.create_all(engine)

更改表字段

sqlalchemy不支持在表创建完成后，再进行表里面的字段进行修改，增加，删除，所以如果要进行表的字段修改，有两种方法：

手动修改数据库，然后再在对应的类上进行字段的修改
删除表，然后修改字段后，再创建表

删除表

def drop_db():
    """
    根据类删除数据库表
    :return:
    """
    engine = create_engine(
        "mysql+pymysql://root:123456@127.0.0.1:3306/aaa?charset=utf8",
        max_overflow=0,  # 超过连接池大小外最多创建的连接
        pool_size=5,  # 连接池大小
        pool_timeout=30,  # 池中没有线程最多等待的时间，否则报错
        pool_recycle=-1  # 多久之后对线程池中的线程进行一次连接的回收（重置）
    )

    base.metadata.drop_all(engine)

完整代码

import datetime
from sqlalchemy import create_engine
from sqlalchemy.ext.declarative import declarative_base
from sqlalchemy import column, integer, string, text, foreignkey, datetime, uniqueconstraint, index

base = declarative_base()

class users(base):
    __tablename__ = 'users'  # 数据库表名称
    id = column(integer, primary_key=true)  # id 主键
    name = column(string(32), index=true, nullable=false)  # name列，索引，不可为空
    age = column(integer, default=0)
    # email = column(string(32), unique=true)
    #datetime.datetime.now不能加括号，加了括号，以后永远是当前时间
    # ctime = column(datetime, default=datetime.datetime.now)
    # extra = column(text, nullable=true)

    __table_args__ = (
        # uniqueconstraint('id', 'name', name='uix_id_name'), #联合唯一
        # index('ix_id_name', 'name', 'email'), #索引
    )

def init_db():
    """
    根据类创建数据库表
    :return:
    """
    engine = create_engine(
        "mysql+pymysql://root:123456@127.0.0.1:3306/aaa?charset=utf8",
        max_overflow=0,  # 超过连接池大小外最多创建的连接
        pool_size=5,  # 连接池大小
        pool_timeout=30,  # 池中没有线程最多等待的时间，否则报错
        pool_recycle=-1  # 多久之后对线程池中的线程进行一次连接的回收（重置）
    )

    base.metadata.create_all(engine)

def drop_db():
    """
    根据类删除数据库表
    :return:
    """
    engine = create_engine(
        "mysql+pymysql://root:123456@127.0.0.1:3306/aaa?charset=utf8",
        max_overflow=0,  # 超过连接池大小外最多创建的连接
        pool_size=5,  # 连接池大小
        pool_timeout=30,  # 池中没有线程最多等待的时间，否则报错
        pool_recycle=-1  # 多久之后对线程池中的线程进行一次连接的回收（重置）
    )

    base.metadata.drop_all(engine)

if __name__ == '__main__':
    # drop_db()
    init_db()

常用数据类型

数据类型	说明
integer	整形，映射到数据库中是int类型。
float	浮点类型，映射到数据库中是float类型。他占据的32位。
double	双精度浮点类型，映射到数据库中是double类型，占据64位。
string	可变字符类型，映射到数据库中是varchar类型.
boolean	布尔类型，映射到数据库中的是tinyint类型。
decimal	定点类型。是专门为了解决浮点类型精度丢失的问题的。在存储钱相关的字段的时候建议大家都使用这个数据类型。并且这个类型使用的时候需要传递两个参数，第一个参数是用来标记这个字段总能能存储多少个数字，第二个参数表示小数点后有多少位。
enum	枚举类型。指定某个字段只能是枚举中指定的几个值，不能为其他值。在orm模型中，使用enum来作为枚举
date	存储时间，只能存储年月日。映射到数据库中是date类型。在python代码中，可以使用`datetime.date`来指定
datetime	存储时间，可以存储年月日时分秒毫秒等。映射到数据库中也是datetime类型。在python代码中，可以使用`datetime.datetime`来指定。
time	存储时间，可以存储时分秒。映射到数据库中也是time类型。在python代码中，可以使用`datetime.time`来至此那个。
text	存储长字符串。一般可以存储6w多个字符。如果超出了这个范围，可以使用longtext类型。映射到数据库中就是text类型。
longtext	长文本类型，映射到数据库中是longtext类型。

column常用参数

参数	详情
default	默认值
nullable	是否为空
primary_key	主键
unique	是否唯一
autoincrement	是否自增
onupdate	更新时执行的
name	数据库映射后的属性
index	是否建立索引

常用操作（curd）

创建映射类的实例

user1 = user(name='hades', age=18)
user2 = user(name='bonnie', age=16)

创建会话session

准备好和数据库会话了，orm通过session与数据库建立连接的

当应用第一次载入时，我们定义一个session类（声明create_engine()的同时），这个session类为新的session对象提供工厂服务。

from sqlalchemy.orm import sessionmaker
session = sessionmaker(bind=engine)

这个定制的session类会创建绑定到数据库的session对象。如果需要和数据库建立连接，只需要实例化一个session对象

session =session()

虽然上面的session已经和数据库引擎engine关联，但是还没有打开任何连接。当它第一次被使用时，就会从engine维护的一个连接池中检索是否存在连接，如果存在便会保持连接知道我们提交所有更改并且/或者关闭session对象。

增加add()/add_all()

# 增加一个
session.add(user1)
session.add(user2)

# 增加多个,可以增加不同的映射实例
# session.add_all([user1, user2, hosts(ip='127.0.0.1')])

提交commit()

至此，我们可以认为，新添加的这个对象实例还在等待着；user1对象现在并不代表数据库中的一行数据。直到使用flush进程，session才会让sql保持连接。如果查询这条数据的话，所有等待信息会被第一时间刷新，查询结果也会立即发行。

通过commit()可以提交所有剩余的更改到数据库。
注意：提交、查询都会执行所有的等待信息。
所有的增加，修改，删除都需要commit提交

 session.commit()

回滚rollback()

session.rollback()

查询(重点)

通过session的query()方法创建一个查询对象。这个函数的参数数量是可变的，参数可以是任何类或者类的描述集合

下面是一个迭代输出user类的例子：

查询第一个

session.query(users).filter_by(name='lqz').first()

排序

session.query(user).order_by(user.id).all()

# desc(): 降序，一定要加（）
session.query(user).order_by(user.id.desc()).all()

# asc()：升序
session.query(user).order_by(users.name.desc(),user.id.asc()).all()

query也支持orm描述作为参数。任何时候，多个类的实体或者是基于列的实体表达都可以作为query()函数的参数，返回类型是元组：

session.query(user.name,user.fullname)

session.query(user,user.name).all()

起别名

字段起别名： label()相当于row.name

session.query(user.name.label("name_label")).all()

表起别名：aliased()

from sqlalchemy.orm import aliased
user_alias = aliased(user,name='user_alias')

session.query(user_alias,user_alias.name).all()

query 的基本操作包括limit和offset，使用python数组切片和orderby结合可以让操作变得很方便。

限制，用于分页，区间

只查询第二条和第三条数据

session.query(user).order_by(user.id)[1:3]

过滤

使用关键字变量过滤查询结果，filter 和filter_by都使用

filter传的是表达式，filter_by传的是参数

session.query(user).filter(user.name=='hades').all()

session.query(user).filter_by(name='bonnie').all()

filter与filter_by的区别：

filter：可以使用> < 等，但是列必须是：表.列， filter的等于号是==
filter：不支持组合查询
filter_by：可以直接写列，不支持< > filter_by 等于是==
filter_by 可以支持组合查询

过滤方法

equals

session.query(user).filter(user.name == 'ed')

not equals

session.query(user).filter(user.name != 'ed')

session.query(user).filter(user.name.like('%ed%'))

query.filter(user.name.in_(['ed','wendy','jack']))

# 子查询
session.query(user).filter(user.name.in_(session.query(user.name).filter(user.name.like('%ed%'))

not in

query.filter(~user.name.in_('ed','wendy','jack'))

is null

session.query(user).filter(user.name == none)

is not null

session.query(user).filter(user.name != none)

and

session.query(users).filter(and_(user.name =='ed',user.fullname =='ed jones')) # and

session.query(users).filter(user.name == 'ed',user.fullname =='ed jones') # and

session.query(users).filter(user.name == 'ed').filter(user.fullname == 'ed jones')# and

query.filter(or_(user.name='ed', user.name='wendy'))

占位符查找

#:value 和:name 相当于占位符，用params传参数
session.query(users).filter(text("id<:value and name=:name")).params(value=224, name='fred').order_by(users.id).all()

自定义查询sql

session.query(users).from_statement(text("select * from users where name=:name")).params(name='ed').all()

统计计数

count = session.query(user).filter(user.name.like("%t%")).count()

分组

session.query(func.count(user.name),user.name).group_by(user.name)

having

having作为分组的筛选条件

session.query(func.min(user.id), func.avg(user.id)).group_by(users.name).having(func.min(users.id) >2).all()

聚合函数

func.count：统计行的数量，和count作用一样

fc=session.query(func.count(user.name),user.name).group_by(user.name).all()

func.avg：求平均值

fc=session.query(func.avg(user.age),user.name).group_by(user.name).all()

func.max：求最大值

fc=session.query(func.max(user.age),user.name).group_by(user.name).all()

func.min：求最小值

fc=session.query(func.min(user.age),user.name).group_by(user.name).all()

func.sum：求和

fc=session.query(func.sum(user.age),user.name).group_by(user.name).all()

修改

第一种：先查询出对象，然后再赋予对象字段新的值

obj = session.query(user).filter(user.name=='hades').first()
obj.age = 27
session.commit()  # 一定要提交

第二种：update()方法，需要传入一个字典

session.query(user).filter(user.name=='hades').update({'age':27})
session.commit()  # 一定要提交

第三种：在原先的基础上增加，类似于django中的f查询

比如：年龄加1岁

注意：后面必须配合synchronize_session

字符串：synchronize_session=false
数字类型：synchronize_session=evaluata

session.query(user).filter(user.id > 0).update({user.name: user.name + "099"}, synchronize_session=false)
# session.query(user).filter(user.id > 0).update({"age": user.age + 1}, synchronize_session="evaluate")
# session.commit()

删除delete()

session.query(users).filter(users.id > 4).delete()
session.commit()

您可能感兴趣的文章:

如对本文有疑问，点击进行留言回复！！

用python实现学生管理系统

学生管理系统相信大家学各种语言的时候，练习总是会写各种管理系统吧，管理系统主要有对数据的增删查改操作，原理不难，适合作为练手的小程序数据的结构要保存数据就需要数... [阅读全文]
Python按照先后顺序，对列表进行多条件自定义排序

需求：对指定的列表，按照以下顺序排序：①先按照【编号】从小到大进行排序②再按照列表中包含【方案、扩初、施工图、后... [阅读全文]
Python经典入门100题 (21-30题)

Python入门练手，有这100题就够了！ [阅读全文]
python实现LRU算法

LRU算法python实现学习mysql数据库时，了解了一下ib_buffer_pool的存储机制，使用LRU... [阅读全文]
Python学习笔记——主要函数及基本使用（与C的对比）

实时更新中…文章目录实时更新中...1.函数1.1 title()函数-以首字母大写的方式显示每个单词1.2 合... [阅读全文]
线性回归—梯度下降python实现

import numpy as npimport pandas as pd导入数据data=pd.read_cs... [阅读全文]
python中 if语句（分支结构）使用方式

python中if语句有三种使用形式：if单分支结构（if），if双分支结构（if-else），if多分支结构（... [阅读全文]
KNN算法的理解以及Python实现

参考大佬文章https://blog.csdn.net/c406495762/article/details/7... [阅读全文]
Day03_数据类型介绍&Python运算符&IF分支

一. 数据类型数值类型: int, float, complex字符串: str布尔类型: bool只有2个值:... [阅读全文]
10. 说说Python的某些有意思的库（下）

嘿各位，上次说的那些库是不是不过瘾？那是，真正好玩的还没给你看呢！ [阅读全文]

网友评论


验证码：