python之sqlalchemy详解

python之sqlalchemy详解

SQLAlchemy连接数据库

可以使用ORM框架操作数据库

ORM框架 = object relationship mappiy 框架

学习前提(软件)

mysql、pymysql(或者MySQLdb)、SQLAlchemy

SQLAlchemy连接数据库

步骤

  • 首先导入sqlalchemy.create_engine
  • 输入配置信息(服务器ip,端口号,数据库名,账户,密码)
  • 传递一个满足某种格式的字符串
    • dialect+driver://username:password@host:port/database?charset=utf8

      dialect:数据库的实现,比如MySQL、PostgreSQL、SQLite,并且转换成小写。
      driver:Python对应的驱动,python3对应sqlalchemy,python2对应MySQLdb。
      username:连接数据库的用户名
      password:连接数据库的密码
      host:连接数据库的域名
  • 创建数据库引擎
  • 创建连接

代码实现

from sqlalchemy import create_engine
​
#准备连接数据库基本信息
# 代表哪一台计算机,ip地址是多少
HOSTNAME = '127.0.0.1'
# 端口号
PORT = '3306'
# 数据库的名字,连接那个数据库
DATABASE = 'first_sqlalchemy'
# 数据库的账号和密码
USERNAME = 'root'
PASSWORD = 'root'
# 按照要求组织成一定的字符串
DB_URI = 'mysql+pymysql://{username}:{pwd}@{host}:{port}/{db}?charset=utf8'\
    .format(username =USERNAME,pwd = PASSWORD,host = HOSTNAME,port=PORT,db = DATABASE)
# 创建数据库引擎
engine = create_engine(DB_URI)
# 创建连接,如果运行之后,输入1则连接成功
with engine.connect()as con:
    rs = con.execute('SELECT 1')
    print (rs.fetchone())

拓展:用SQLAlchemy执行原生SQL

from sqlalchemy import create_engine
from constants import DB_URI
#连接数据库
engine = create_engine(DB_URI,echo=True)
# 使用with语句连接数据库,如果发生异常会被捕获
with engine.connect() as con:
    # 先删除users表
    con.execute('drop table if exists authors')
    # 创建一个users表,有自增长的id和name
    con.execute('create table authors(id int primary key auto_increment,'name varchar(25))')
    # 插入两条数据到表中
    con.execute('insert into persons(name) values("abc")')
    con.execute('insert into persons(name) values("xiaotuo")')
    # 执行查询操作
    results = con.execute('select * from persons')
    # 从查找的结果中遍历
    for result in results:
        print(result)

ORM框架

ORM:Object Relationship Mapping(对象模型与数据库表的映射)

Python代码和SQL代码的对应关系

py代码:
class Person(object):
name = 'xx'
age = 18
country ='xx
对应关系:
Person类 -> 数据库中的一张表
Person类中的属性 -> 数据库中一张表字段
Person类的一个对象 -> 数据库中表的一条数据

使用原生sql语句的缺点

  1. SQL语句重复利用率不高,越复杂的SQL语句条件越多,代码越长,会出现很多相近的SQL语句。
  2. 大型的项目是在业务逻辑中拼接出来的,如果数据库需要更改,就要去修改这些逻辑,这会很容易漏掉对某些SQL语句的修改。
  3. 写SQL时容易忽略web安全问题,造成隐患。

SQLAlchemy的优势

  • 易用性:使用ORM做数据库开发可以有效减少重复SQL语句的概率,写出来的模型也更加直观、清晰
  • 性能损耗小:任何操作都要通过ORM转化,确实会损耗性能,但综合考虑开发效率、代码阅读性,带来的好处远大于性能损耗,而且项目越大作用越明显。
  • 设计灵活:可以轻松的写出复杂的查询
  • 可移植:SQLAlchemy封装了底层的数据库实现,支持多个关系数据库引擎,可以非常轻松的切换数据库

SQLAlchemy操作数据库

操作前,必须要先构建session对象!!

定义ROM模型映射到数据库中

步骤:

  1. declarative_base根据engine创建一个ORM基类
  2. 用这个Base类作为基类来写自己的ORM类。要定义__tablename__类属性,来指定这个模型映射到数据库中的表名。
  3. 创建属性来映射到表中的字段,所有需要映射到表中的属性都应该为Column类型
  4. 使用Base.metadata.create_all()来将模型映射到数据库中。

注意:

使用create_all函数创建的表映射到数据库之后,即使改变了模型的字段,也不会重新映射了。

体现为代码中,后加的nick项,没有办法实现。

解决方法:每次运行时,先把之前的表全部删除之后,在创建新的表。

代码实现:

# 需求:创建好一个ORM类模型,并且映射到指定的数据库中成为表
​
# 1、用`declarative_base`根据`engine`创建一个ORM基类Base。
​
Base = declarative_base(engine)
​
# 2、用这个`Base`类作为基类来写自己的ORM类。要定义`__tablename__`类属性,来指定这个模型映射到数据库中的表名。
​
class Person(Base):
​
    __tablename__ = 't_person'
​
# 3、在这个ORM模型中创建一些属性,来跟表中的字段进行 一一 映射。这些属性必须是sqlalchemy给我们提供好的数据类型
​
    id = Column(Integer,primary_key=True,autoincrement= True)
​
    # nullable = True  可以为空
​
    name = Column(String(50),nullable=False)
​
    age = Column(Integer)
​
    country = Column(String(50))
​
    # 后加入的nick项
​
    nick = Column(String(20))
​
# 4、使用`Base.metadata.create_all()`来将模型映射到数据库中
​
# Base.metadata.create_all()
​
# 注意点:一旦使用`Base.metadata.create_all()`将模型映射到数据库中后,即使改变了模型的字段,也不会重新映射了。
# 解决方法:先将表全部删除之后再创建新的表
# 将Base上的ORM类模型对应的数据表都删除
Base.metadata.drop_all()
# 创建Base上的ORM类到数据库中成为表
Base.metadata.create_all()

对数据的增删改查操作(crud→增删改查)

crud功能指的就是增删改查。

步骤:

  1. 构建session对象,所有的所有和数据库的ORM操作都必须通过一个叫做session的会话对象来实现
  2. 对表添加数据{add(),add_all([])}
  3. 查询表中数据
    1. 全表查询 查找某个模型对应的那个表中所有的数据
      all_person = session.query(Person).all()
    2. 条件查询 filter_by
      all_person = session.query(Person).filter_by(name='momo1').all()
    3. 条件查询 filter
      all_person = session.query(Person).filter(Person.name=='momo1').all()
    4. 条件查询 get方法是根据id来查找的,只会返回一条数据或者None
      person = session.query(Person).get(primary_key)
    5. 条件查询 使用first方法获取结果集中的第一条数据
      person = session.query(Person).first()

 

  1. 修改对象
    首先从数据库中查找对象,然后将这条数据修改为你想要的数据,最后做commit操作就可以修改数据了
  2. 删除对象
    将需要删除的数据从数据库中查找出来,然后使用session.delete方法将这条数据从session中删除,最后做commit操作就可以了。

代码实现:

'''
    需求2:crud的操作
        0、前提:获取到根数据库,进行会话的对象 
        1、对表,添加数据
        2、查询表数据
        3、修改表,指定行数据
        4、删除表数据
'''
# 获取到根数据库,进行会话的对象 ,构建session对象,所有的所有和数据库的ORM操作都必须通过一个叫做`session`的会话对象来实现
# Session = sessionmaker(engine)
# session = Session()
#  下一行代码相当于上两行
session = sessionmaker(engine)()
​
# 1、对表,添加数据  session.add() session.add_all([])
p = Person(name='MGorz',age =18,country ='China',nick='诚哥')
session.add(p) # 一次只能插入一条数据
session.commit()
# 添加多条数据 
p2 = Person(name='Mrz',age =18,country ='China',nick='ha')
p3 = Person(name='MGz',age =18,country ='China',nick='e')
session.add_all([p2,p3])
session.commit()
​
# 2、查询表中数据
# 2.1   全表查询  ()中填类名,
ps = session.query(Person).all()
for p in ps :
    print(p)
# 2.2   条件查询    filter_by
# filter_by(),括号中填入想查询的。
ps = session.query(Person).filter_by(name = "MGorz").all()
for p in ps :
    print(p)
# 2.3   条件查询    filter
# 注意和filter_by的区别
ps = session.query(Person).filter(Person.name == "MGorz").all()
for p in ps :
    print(p)
# 2.4   条件查询    get
ps = session.query(Person).get(2)
print(ps)
# 2.5   条件查询    first
ps = session.query(Person).first()
print(ps)
​
# 3、修改制定行数据
person = session.query(Person).first()
print(person)
# 修改表数据,对象.属性 = '   '
person.name = 'hahaha'
# 别忘记要提交哦~
session.commit()
​
# 4、删除表数据
person = session.query(Person).get(3)
print(person)
session.delete(person)
session.commit()

Column常用数据类型

常用的数据类型,一共是有11个。

注:在SQLAlchemy中不存在double数据类型,使用 DECIMAL类型替代

让我们来分别看下这11个数据类型都有哪些?

  1. Integer:整型,映射到数据库中是int类型。
  2. Float:浮点类型,映射到数据库中是float类型。他占据的32位。
    浮点类型,有可能会造成精度丢失,特别是在money方面,不可原谅。
  3. Double(SQLAlchemy中没有,代替品为DECIMAL):双精度浮点类型,映射到数据库中是double类型,占据64位
  4. String:可变字符类型,映射到数据库中是varchar类型.
  5. Boolean:布尔类型,映射到数据库中的是tinyint类型。
  6. 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money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
  7. 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。
  8. 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。
  9. 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。
  10. 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来指定
    ps:注意区分Date/DateTime/Time的储存信息!!!
  11. Text:存储长字符串。一般可以存储6W多个字符
  12. LONGTEXT:长文本类型,映射到数据库中是longtext类型(不过这个只有mysql有,orcale没有

上述就是11个数据类型,因为这里把不存在的double也添加上了,所以看起来是12个。

下面就让咱们一起来进行验证。

代码实现

# 依次导入常用的数据类型
from sqlalchemy import create_engine, Column, Integer, String,Float,DECIMAL,Boolean,Date,DateTime,Time,Text,Enum
​
# 从sqlalchemy的方言模块dialects导入mysql专有的LONGTEXT,长文本类型
from sqlalchemy.dialects.mysql import LONGTEXT
​
# 在python3.x中有enum模块
import enum
​
#导入时间了
from datetime import datetime,date,time
​
​
# 用`declarative_base`根据`engine`创建一个ORM基类。
from sqlalchemy.ext.declarative import declarative_base
​
# 引入创建py和数据库连接的sessionmaker函数
from sqlalchemy.orm import sessionmaker
​
​
​
# 准备连接数据库基本信息
HOSTNAME = '127.0.0.1'
PORT = '3306'
DATABASE = 'first_sqlalchemy'
USERNAME = 'root'
PASSWORD = 'root'
DB_URI = 'mysql+pymysql://{username}:{pwd}@{host}:{port}/{db}?charset=utf8' \
    .format(username=USERNAME, pwd=PASSWORD, host=HOSTNAME, port=PORT, db=DATABASE)
​
​
​
# 创建数据库引擎
engine = create_engine(DB_URI)
​
Base = declarative_base(engine)
​
​
​
# 需求:常用的数据类型
​
# 枚举另外一种写法,导入enum模块,定义枚举类
class TagEnum(enum.Enum):
    python = "PYTHON"
    flask = 'FLASK'
    django = 'DJANGO'
​
​
​
class News(Base):
    __tablename__ = 'news'
    id = Column(Integer,primary_key=True,autoincrement=True)
    price1 = Column(Float)   # 不过存储数据时存在精度丢失的问题
    price2 = Column(DECIMAL(10,4))
    title = Column(String(50))
    is_delete = Column(Boolean)
    tag1 = Column(Enum('PYTHON','FLASK','DJANGO'))  # 枚举的常规写法(推荐)
    tag2 = Column(Enum(TagEnum))  # 另一种写法
    create_time1 = Column(Date)
    create_time2 = Column(DateTime)
    create_time3 = Column(Time)
    content1 = Column(Text)
    content2 = Column(LONGTEXT)
​
​
​
​
# 将Base上的ORM类模型对应的数据表都删除
# Base.metadata.drop_all()
# 创建Base上的ORM类到数据库中成为表
# Base.metadata.create_all()
​
​
# 新增数据到表news中
session = sessionmaker(engine)()
# 注意float出现的精度丢失问题      is_delete,布尔类型true:1,false:0
news1 = News(price1=1000.0078,price2=1000.0078,title='测试数据',is_delete=True,tag1="PYTHON",tag2=TagEnum.flask,    create_time1=date(2018,12,12),create_time2=datetime(2019,2,20,12,12,30),create_time3=time(hour=11,minute=12,second=13),content1="hello",content2 ="hello   hi   nihao")
​
​
session.add(news1)
session.commit()

Column常用约束参数

在给数据库表指定key的时候,必然要给它们添加,例如:不可空,字节长度等等的限制,这就需要约束参数的出场了。常用的约束参数一共有7

常见约束参数

约束参数描述,功能primary_keyTrue设置某个字段为主键autoincrementTrue设置这个字段为自动增长的default设置某个字段的默认值。在发表时间这些字段上面经常用nullable指定某个字段是否为空。默认值是True,就是可以为空unique指定某个字段的值是否唯一。默认是False。onupdate在数据更新的时候会调用这个参数指定的值或者函数。在第一次插入这条数据的时候,不会用onupdate的值,只会使用default的值。常用于是update_time字段(每次更新数据的时候都要更新该字段值)。name指定ORM模型中某个属性映射到表中的字段名。如果不指定,那么会使用这个属性的名字来作为字段名。这个参数也可以当作位置参数,在第1个参数来指定。

代码实现

# 注意千万不能忘记要先创建session对象啊!!
# 需求:sqlalchemy中Column常用的约束参数
class News(Base):
    __tablename__ = 'news'
    id = Column(Integer,primary_key=True,autoincrement=True)
    # 这个Datetime是sqlalchemy中的
    create_time = Column(DateTime,default=datetime.now)
    read_count = Column(Integer,default=11)
    title1 = Column(String(50),name='my_title',nullable=False)
    title2 = Column('my_title22',String(50), nullable=False)# name 属性的两种方式
    telephone = Column(String(11),unique=True)
    update_time = Column(DateTime,onupdate=datetime.now,default=datetime.now)#onupdate是在数据更新的时候才会起作用,插入数据时候不起作用
​
# Base.metadata.drop_all()
# Base.metadata.create_all()
​
news1 = News(title1 ='hahah',title2 = 'womingsad')
session.add(news1)
#结束之后,必须要提交
session.commit()

Query查询函数,可以传递的参数有哪些?

Query查询函数传递的参数无非就是分为三类,分别是模型名、模型中的属性、聚合函数,那下面就简单的说明,

模型名

指定查找该模型中所有属性(对应查询为全表查询)

模型中的属性

可以指定只查找某个模型的其中几个属性

聚合函数

聚合函数一共有五个,都被放到了sqlalchemy的func模块中。
  1. func.count:统计行的数量
  2. func.avg:求平均值
  3. func.max:求最大值
  4. func.min:求最小值
  5. func.sum:求和

代码实现

# 新增测试数据
​
for x in range(1,6):
​
    a = News(title = "标题%s"%x,price = random.randint(1,100))
​
    session.add(a)
# 提交
session.commit()
​
​
​
# 三种参数
# 模型名
result = session.query(News).all()  #全表查询
print(result)
​
# 模型名的属性名,返回的列表中的元素是元组类型数据
result = session.query(News.title,News.price).all()
print(result)
​
# 聚合函数
# 统计行的数量
r = session.query(func.count(News.id)).first()
print(r)
#最大值
r = session.query(func.max(News.price)).first()
print(r)
#最小值
r = session.query(func.min(News.price)).first()
print(r)
#平均值
r = session.query(func.avg(News.price)).first()
print(r)
#求和
r = session.query(func.sum(News.price)).first()
print(r)

 转自:https://zhuanlan.zhihu.com/p/71134861

你可能感兴趣的:(python加油鸭,python,mysql,orm,数据库)