转载--SqlAlchemy ORM 学习

转载原文地址：http://blog.csdn.net/yueguanghaidao/article/details/7485345，http://blog.csdn.net/yueguanghaidao/article/details/7485967

 

--------------------------第一部分--------------------------

一直觉得orm很高深，今天时间比较充分打算学习下

安装说一点，我的系统是win7 64位家庭普通版

用easy_install安装sqlalchemy出现问题，于是下载最新版0.7.6的zip压缩包，用python setup.py install出现错误：

WARNING: The C extension could not be compiled, speedups are not enabled.
Plain-Python build succeeded.

自己未解决，向广大朋友们请教了

 

没办法又下了0.6.8版的zip包，这次安装成功了。

开始我的sqlalchemy之旅

本文主要是翻译这篇文章(还有自己的操作和思考,我会竟可能做到有图有真相，呵呵):点击打开链接：如果有错请指正

http://www.blog.pythonlibrary.org/2010/02/03/another-step-by-step-sqlalchemy-tutorial-part-1-of-2/

创建我们第一个脚本：

        我们将利用SqlAlchemy创建我们第一个例子，创建一个简单的表，存储用户的姓名，年龄和密码

from sqlalchemy import create_engine
from sqlalchemy import MetaData, Column, Table, ForeignKey
from sqlalchemy import Integer, String
engine = create_engine('sqlite:///tutorial.db',echo=True)
metadata = MetaData(bind=engine)
users_table = Table('users', metadata,
                    Column('id', Integer, primary_key=True),
                    Column('name', String(40)),
                    Column('age', Integer),
                    Column('password', String),
                    )
addresses_table = Table('addresses', metadata,
                        Column('id', Integer, primary_key=True),
                        Column('user_id', None, ForeignKey('users.id')),
                        Column('email_address', String, nullable=False)
                        )
# create tables in database
metadata.create_all()

深入看下代码：
首先需要导入一些包，然后我们创建一个数据库连接engine对象。在这里我们使用sqlite数据库，不需要提供认证信息。

 

你肯定注意到了，我们将echo设置为True，目的是SqlAlchemy将会把执行sql命令的过程输出到标准输出。这主要是便于调试，但如果是用于生产环境中应该设置为False。

然后我们创建一个MetaData对象，这个对象包含了数据库的所有元数据。它由表的描述信息和其它的数据库schema-level 的对象组成。我们可以在创建MetaData对象时就把它绑定到我们的数据库，也可以在上面代码的最后即 create_all 时绑定。在第二部分有示例(点击打开链接)

下面部分就是创建表的过程。这是由SqlAlchemy的表对象和列对象完成的。我们可以使用各种字段类型，如String,Integer等等。在这里，我们创建一个名为users的表，然后传给了metadata对象。然后我们创建了4个字段，id设置为主键，当我们向这个表中增加用户呢时，SqlAlchemy 会自动将id加一(自增)。name字段设置为String类型，40个字符长度。age字段是简单的Integer类型，password字段也被设置为String类型，而且我们没有设置长度。addresses_table与users表的主要不同就是我们设置了外键属性用来联系两张表。

最后一个片段实际上创建了数据库和表。每当你调用create_all()时，在创建表之前会检查表是否存在。也就是说，你可以创建额外的表，但当你调用create_all时SqlAlchemy

仅仅会创建新的表。

Tips：

SqlAlchemy 也提供了装载已经创建的表的方法：

someTable = Table("users", metadata, autoload=True, schema="schemaName")

插入数据：

有几种不同的方式插入数据和查询数据。我们先考虑低级的方式，然后再考虑这个系列的其它部分，我们将进入稍微抽象的Sessions和Declarative样式。

让我们一起看看插入数据的几种不同方法吧。

# create an Insert object
ins = users_table.insert()
# add values to the Insert object
new_user = ins.values(name="Joe", age=20, password="pass")
 
# create a database connection
conn = engine.connect()
# add user to database by executing SQL
conn.execute(new_user)

上面的代码展示了如何利用连接对象插入数据的方式。首先，你需要调用表的insert()方法创建一个Insert对象，然后你就可以用Insert的values()方法增加一行你所需要的数据

。然后我们创建了Connection对象，最后对Insert对象调用Connection对象的execute方法。这听起来有点复杂，其实很简单。

 检验一下吧：我是用sqlite.exe打开tutorial.db

我们发现，插入成功了，而且id字段自动设为1，符合我们定义的刚才对primary_key的解释。

 

下面的片段展示了一些没有用Connection对象的插入数据方法:

# a connectionless way to Insert a user
ins = users_table.insert()
result = engine.execute(ins, name="Shinji", age=15, password="nihongo")
 
# another connectionless Insert
result = users_table.insert().execute(name="Martha", age=45, password="dingbat")

我们检验一下成功了没有？

有没有发现id的确是自增的？

在上面的两个列子中，你都需要调用表对象的insert方法。在插入方法的最后，我们看一下如何插入多行数据。

conn.execute(users_table.insert(), [
    {"name": "Ted", "age":10, "password":"dink"},
    {"name": "Asahina", "age":25, "password":"nippon"},
    {"name": "Evan", "age":40, "password":"macaca"}
])

这已经相当明白了，要点就是你需要先前创建的Connection对象，并传递两个参数。

效果如下：

 

现在，我们来看看查询操作。

SqlAlchemy为查询操作提供了一组方法。这里，我们将关注简单的方法。

最常见的例子就是做一个全查询，我们开始吧

from sqlalchemy.sql import select
s = select([users_table])
result = s.execute()
for row in result:
    print row

结果如下:

 

首先我们导入select方法，然后我们把表作为一个元素的列表传入，最后我们调用select对象的execute方法，并把结果赋给了result变量，最后就是迭代了。

如果你需要所有的结果存储在一个由元组组成的列表而不是行对象，你可以这么做。

# get all the results in a list of tuples
conn = engine.connect()
res = conn.execute(s)
rows = res.fetchall()

结果如下：

 

如果你只需要第一条记录返回，你可以用fetchone()代替fetchall():

res = conn.execute(s)
row = res.fetchone()

现在假设我们需要更小粒度的结果，下面，我们仅仅想返回name和age，而不要密码。

s = select([users_table.c.name, users_table.c.age])
result = conn.execute(s)
for row in result:
    print row

结果如下：

 

很好，这是相当的简单。我们所需要做的只是在select语句中明确列名。那个'c'基本意思是：column.

如果你有多个表，也许select语句应该有点像这样

select([tableOne, tableTwo])

当然这很可能返回重复的结果，因此你为了解决这个问题，你将这么做：

s = select([tableOne, tableTwo], tableOne.c.id==tableTwo.c.user_id)

SqlAlchemy文档中，称第一种结果集为笛卡尔积。上诉第二种语句消除了那些烦恼。怎么消除的？在这种查询的方式中使用了where子句是一种解决办法。在下面部分，我将用sessions展示一种与where查询子句不同的方法。

下面是一些示列，注释中有解释

from sqlalchemy.sql import and_
# The following is the equivalent to 
# SELECT * FROM users WHERE id > 3
s = select([users_table], users_table.c.id > 3)
# You can use the "and_" module to AND multiple fields together
s = select(and_(users_table.c.name=="Martha", users_table.c.age < 25))

 

 

--------------------------第二部分--------------------------

在Step-by-Step SqlAlchemy Tutorial的第一部分(点击打开链接)，我们调用SqlAlchemy的SQL表达式与数据库交互。在我们开始更高级和更加抽象的方法之前，我们需要学习更加抽象的方式做

事情。这就像许多数学课程一样，比如微积分，在你知道捷径之前，你需要很长时间去学习发现一些微积分的标准偏差。

在第二部分，我们将用简单的方法去应用SqlAlchemy。它被称为‘关系对象’方法，SqlAlchemy的官方文档实际上也从这里开始。

适应数据映射:

这为什么叫数据映射呢？因为我们将把数据库的数据映射到Python的类。让我们开始吧！

from sqlalchemy import create_engine
from sqlalchemy import Column, MetaData, Table
from sqlalchemy import Integer, String, ForeignKey
from sqlalchemy.orm import mapper, sessionmaker
 
####################################################
class User(object):
    """"""
 
    #----------------------------------------------------------------------
    def __init__(self, name, fullname, password):
        """Constructor"""
        self.name = name
        self.fullname = fullname
        self.password = password
 
    def __repr__(self):
        return "" % (self.name, self.fullname, self.password)
 
# create a connection to a sqlite database
# turn echo on to see the auto-generated SQL
engine = create_engine("sqlite:///tutorial.db", echo=True)
 
# this is used to keep track of tables and their attributes
metadata = MetaData()
users_table = Table('users', metadata,
                    Column('user_id', Integer, primary_key=True),
                    Column('name', String),
                    Column('fullname', String),
                    Column('password', String)
                    )
email_table = Table('email', metadata,
                    Column('email_id', Integer, primary_key=True),
                    Column('email_address', String),
                    Column('user_id', Integer, ForeignKey('users.user_id'))
                    )
 
# create the table and tell it to create it in the 
# database engine that is passed
metadata.create_all(engine)
 
# create a mapping between the users_table and the User class
mapper(User, users_table)

我们注意到，与我们先前例子相比第一个不同就是User类。我们把最初的例子(见第一部分)稍微改变了一下，即现在的参数，name,full name和password。其余的部分都一样，仅仅最后多了mapper语句。这种方便的方法把User类映射到了user_table这个表。这看起来没什么大不了，但我们向数据库增加用户会变得更加简单明了。

然而在我们开始之前，我们需要讨论声明构型样式。虽然这个样式给了我们更加粒度的控制我们的表，映射和类，但大部分我们不需要那么的复杂。声明样式使得配置变得相当简单。我所知道的第一个SqlAlchemy附加的声明样式叫做Elixir.SqlAlchemy内嵌的声明样式没有Elixir那么强大，但是它很方便，因为你不需要安装额外的东西。那就让我们看看声明是怎样的与众不同吧。

from sqlalchemy import Column, Integer, String, ForeignKey
from sqlalchemy import create_engine
from sqlalchemy.ext.declarative import declarative_base
from sqlalchemy.orm import backref, mapper, relation, sessionmaker
 
Base = declarative_base()
 
########################################################################
class User(Base):
    """"""
    __tablename__ = "users"
 
    id = Column(Integer, primary_key=True)
    name = Column(String)
    fullname = Column(String)
    password = Column(String)
 
    #----------------------------------------------------------------------
    def __init__(self, name, fullname, password):
        """Constructor"""
        self.name = name
        self.fullname = fullname
        self.password = password
 
    def __repr__(self):
        return "" % (self.name, self.fullname, self.password)
 
########################################################################
class Address(Base):
    """
    Address Class
 
    Create some class properties before initilization
    """
    __tablename__ = "addresses"
    id = Column(Integer, primary_key=True)
    email_address = Column(String, nullable=False)
    user_id = Column(Integer, ForeignKey('users.id'))
 
    # creates a bidirectional relationship
    # from Address to User it's Many-to-One
    # from User to Address it's One-to-Many
    user = relation(User, backref=backref('addresses', order_by=id))
 
    #----------------------------------------------------------------------
    def __init__(self, email_address):
        """Constructor"""
        self.email_address = email_address
 
    def __repr__(self):
        return "" % self.email_address
 
 
# create a connection to a sqlite database
# turn echo on to see the auto-generated SQL
engine = create_engine("sqlite:///tutorial.db", echo=True)
 
# get a handle on the table object
users_table = User.__table__
# get a handle on the metadata
metadata = Base.metadata
metadata.create_all(engine)

如上所示，几乎所有的都在类中创建了。我们创建了类属性(就像类的全局变量)用来标识表的列。然后创建了初始化函数__init__，和上例差不多。当然，类继承的是declarative_base ，而不是基本的object。如果需要一个表的对象，我们需要调用魔力方法User.__table__。为了获得元数据，我们需要调用基类的Base.metadata.现在我们所关心的都解决了。

这里需要提一点的是，还记得在Step-by-Step SqlAlchemy Tutorial (part 1 of 2)中我在解释metadata = MetaData(bind=engine)时说过，“也可以在上面代码的最后即 create_all 时绑定",这一次是不是在create_all时绑定的。

下面我们看看如何向表中插入数据。

 

 

Class is now in Session

利用对象关系方法之美在于可以用一小段简短的代码与数据库交互。让我们看看如何创建一行。

mike_user = User("mike", "Mike Driscoll", "password")
print "User name: %s, fullname: %s, password: %s" % (mike_user.name,
                                                     mike_user.fullname,
                                                     mike_user.password)

如上所示，我们用User类创建一个用户，我么可以使用.访问属性。你甚至还可以用来更新数据。例如，如果你需要改变用户对象，你可以这么做：

# this is how you would change the name field
mike_user.fullname = "Mike Dryskull"

当然上面所示的并不会向表中插入一行数据。为此我们需要一个Session对象才能完成插入数据。下面我们就开始Session的基本使用吧！

from sqlalchemy.orm import sessionmaker

Session = sessionmaker(bind=engine)
session = Session()
 
mike_user = User("mike", "Mike Driscoll", "password")
session.add(mike_user)

我们在这里停一下，解释上面到底发生了什么？

首先我们需要导入sessionmaker，然后把它绑定到engine.然后我们创建一个session实例，然后我们实例化一个user对象，并把它传给session的add方法。

到此，没有任何的SQL代码被运行，这个事物也是被挂起的。

这时我们查看一下数据库：

我们发现没有数据，为了保留这一行数据，我们需要调用session.commit()方法提交事物。

session.commit()

我们再查看一下：

 

如果你需要增加多个用户，你可以这么做:

session.add_all([
     User('Mary', 'Mary Wonka', 'foobar'),
     User('Sue', 'Sue Lawhead', 'xxg527'),
     User('Fay', 'Fay Ray', 'blah')])

如果在你提交事物后碰巧改变了其中一个用户的属性，你可以使用session.dirty去校验那个是被修改过的。如果你仅仅想知道有哪些行处在挂起中，你可以调用session.new.最后我们可以使用session.rollback()去回滚一个事物。

下面让我们看一下一些查询示例：

# do a Select all
all_users = session.query(User).all()
 
# Select just one user by the name of "mike"
our_user = session.query(User).filter_by(name='mike').first()
print our_user
 
# select users that match "Mary" or "Fay"
users = session.query(User).filter(User.name.in_(['Mary', 'Fay'])).all()
print users
 
# select all and print out all the results sorted by id
for instance in session.query(User).order_by(User.id):
    print instance.name, instance.fullname

下面我们将讨论joins话题

Join in the Fun

joins的SQL表达式语法这里就不说了，当然我们将利用对象关系方法来示例。如果你回头看看我们创建表的示例，你将注意到我们已经用外键对象来使用join了。声明格式像下面所示：

user_id = Column(Integer, ForeignKey('users.id'))
 
# creates a bidirectional relationship
# from Address to User it's Many-to-One
# from User to Address it's One-to-Many
user = relation(User, backref=backref('addresses', order_by=id))

我们通过创建一个新用户来看看这是怎么工作的。

prof = User("Prof", "Prof. Xavier", "fudge")
prof.addresses

由于外键和backref命令，user对象有个address属性。如果你运行上面的代码，你会发现prof.address是一个空值。让我们增加一些address吧！

prof.addresses = [Address(email_address='[email protected]'),
                        Address(email_address='[email protected]')]

看，这是多么的简单啊？同样也很简单从中获取数据。例如，如果你想取出第一个地址，你可以这样访问:prof.addresses[0]
假如现在你需要修改地址，这是易如反掌。

# change the first address
prof.addresses[0].email_address = "[email protected]"

现在，让我们来做一些join查询：

for u, a in session.query(User, Address).filter(User.id==Address.user_id).filter(Address.email_address=='[email protected]').all():
    print u, a

这是一个相当长的查询！我发现这对我来说比较困难，所以我经常这么做：

sql = session.query(User, Address)
sql = sql.filter(User.id==Address.user_id)
sql = sql.filter(Address.email_address=='[email protected]')
 
for u, a in sql.all():
    print u, a

如果你喜欢一行式的方式，第一个示例并没有什么不妥，两种方法产生相同的结果集。

 

我很幸运的发现更高版本的调试更加简单。最后，我还可以用一下真正的join:

from sqlalchemy.orm import join
session.query(User).select_from(join(User, Address)).filter(Address.email_address=='[email protected]').all()

这和上面两个示例做的是一样的事，但更加的明确。

 

转载于:https://www.cnblogs.com/mzpy1119/p/5394224.html