SQLAlchemy ORM指南：简化数据库操作的最佳实践

SQLAIchemy 开发指南

背景：

? SQLAlchemy是一个数据库的ORM框架，让我们操作数据库的时候不要再用SQL语句了，跟直接操作模型一样。操作十分便捷，其实SQLAlchemy应该是在Flask和Django应用的特别多，而且在flask中已经集成了flask_sqlalchemy ，好像是 SQLAlchemy的作者和 Flask是同一个，背景了解到这里就可以啦，接下来为大家讲一讲。

环境安装：

pip install SQLAlchemy
conda  install SQLAlchemy

当然了你还需要配置好数据库mysql或者mongodb，sqlite等等。

测试连接：

# -*- coding: utf-8 -*-            
from sqlalchemy import create_engine
from sqlalchemy import text
# MySQL所在的主机名
HOSTNAME = "127.0.0.1"
# MySQL监听的端口号，默认3306
PORT = 13306
# 连接MySQL的用户名，读者用自己设置的
USERNAME = "root"
# 连接MySQL的密码，读者用自己的
PASSWORD = "xxxxx"
# MySQL上创建的数据库名称
DATABASE = "learning"
DB_URI = f"mysql+pymysql://{USERNAME}:{PASSWORD}@{HOSTNAME}:{PORT}/{DATABASE}"
# 创建数据库引擎
engine = create_engine(DB_URI)
# 所有的类都要继承自`declarative_base`这个函数生成的基类
Base = declarative_base(engine)
#创建连接
with engine.connect() as con:
      rs = con.execute('SELECT 1')
      # 如果报错的话，加上text() 就不会报错。
    # rs = con.execute(text('SELECT 1'))
    print(rs.fetchone())

首先从sqlalchemy中导入create_engine，用这个函数来创建引擎，然后用engine.connect()来连接数据库。但是创造引擎要满足固定的格式：db+driver(驱动)😕/username:password@host:port/database?charset=utf8

• db 为数据库类型，MySQL、PostgreSQL、SQLite，并且转换成小写。
• driver 就是驱动，python会有一些第三方扩展包，连接数据库 ，如果不指定，会选择默认的驱动，MySQL常用的驱动右Mysqldb,pymysql,这里建议大家使用pymysql因为mysqldb这个包很容易报错，版本容易不匹配。
• username是连接数据库的用户名
• password是连接数据库的密码
• host是连接数据库的域名
• port是数据库监听的端口号
• database是连接哪个数据库的名字。

这里为大家主要讲解的是mysql结合SQL alchemy的使用。

原生查询：

#创建连接
with engine.connect() as con:
    # rs = con.execute(text('SELECT 1'))
    rs=con.execute("show tables")
    print(rs.fetchall())

创建表：

class User(Base):
    # 定义表名为users
    __tablename__ = 'users'
    # 将id设置为主键，并且默认是自增长的
    id = Column(Integer, primary_key=True, autoincrement=True)
    # name字段，字符类型，最大的长度是50个字符
    name = Column(String(50))
    fullname = Column(String(50))
    password = Column(String(100))

    # 修改内置方法
    def __str__(self):
        return "<User(id='%s',name='%s',fullname='%s',password='%s')>" % (
            self.id, self.name, self.fullname, self.password)


# 执行提交命令
Base.metadata.create_all()

我们回到数据库查看发现，自动生成了一张表：

添加数据：

# 对于数据的增减删查 我们依靠session对象，session即会话对象
Session = sessionmaker(bind=engine)

#  创建以一个会话对象
session = Session()
# 创建一个对象
ed_user = User(name='hbhh', fullname='Ed Jones', password='123456')  #
# 添加到会话
session.add(ed_user)
# 添加到数据库
session.commit()

关于会话的理解：

? 可能大家有这样的疑问？为什么我要想对会话做操作，然后在对数据库进行修改呢，个人的理解是因为安全，就是假如我们真的做错了，数据库信息已经改变了，那么我们只能对数据库进行修改了，这显然不符合软件开发，如果我前面做错了，我可以回滚啊，就是撤销的意思，会话就是一个很好的解决方式，我们可以先将操作提交到缓存上，然后再对数据库进行相应的操作。

# 创建一个新的用户
fake_user = User(name='fakeuser',fullname='Invalid',password='12345')
session.add(fake_user)
# 判断`fake_user`是否在`session`中存在
print(fake_user in session) # True
session.rollback() # 回滚
print(fake_user in session) # False 

? 但是你到数据库是查不到这个fake_user的，因为之前说了目前只在session层面做了操作，没用对数据库做操作，所以你也找不到。

查询：

for demo in session.query(User).order_by(User.id).all():
# all() 是获取所有结果集 one() 是获取一个
    print(demo)

for instance in session.query(User.name).all():
    print(instance)

for instance in session.query(User.name,User.fullname).all():
    print(instance) # 输出所有的查找结果

过滤查询：

? 如果想对结果进行过滤，可以使用filter_by和filter两个方法，这两个方法都是用来做过滤的，区别在于，filter_by是传入关键字参数，filter是传入条件判断，并且filter能够传入的条件更多更灵活。

# query() 参数就是想要的结果
for name in session.query(User.name).filter_by(fullname='Kong Ziyi').all():
    print(name)
for name in session.query(User.name).filter(User.fullname=='Kong Ziyi').all():
    print(name)

过滤条件：

相等：

query.filter(User.name == 'ed')

不相等：

query.filter(User.name != 'ed')

模糊：

query.filter(User.name.like('%ed%'))

for user in session.query(User).filter(User.name.like('%o%')).all():
    print(user)

在：

query.filter(User.name.in_(['ed','Venti','Klee']))# 同时，in也可以作用于一个Query
query.filter(User.name.in_(session.query(User.name).filter(User.name.like('%o%'))))

不在：

query.filter(~User.name.in_(['ed','Venti','Klee']))
print(session.query(User).filter(~User.name.in_(['ed','Venti','Klee'])))

空值：

query.filter(User.name==None)# 或者是
query.filter(User.name.is_(None))

非空：

query.filter(User.name != None)# 或者是
query.filter(User.name.isnot(None))

与：

from sqlalchemy import and_
query.filter(and_(User.name=='ed',User.fullname=='Ed Jones'))# 或者是传递多个参数
query.filter(User.name=='ed',User.fullname=='Ed Jones')# 或者是通过多次filter操作
query.filter(User.name=='ed').filter(User.fullname=='Ed Jones')

或者：

from sqlalchemy import or_  
query.filter(or_(User.name=='ed',User.name=='Venti'))

结果筛选：

query = session.query(User).filter(User.name.like('%o%')).order_by(User.id)
print(query.all()) # 结果集全部
# print(query.one())  # 结果集只有一个才能用，不然会报错
print(query.first()) # 结果集第一个
print(query.count()) # 结果集数量

session.query(User).filter(User.name.like('%ed%')).count()

聚合查询：

group_by(分组字段)

from sqlalchemy import func
# query(func.count(User.name),User.name) 两个参数 就相当于sql 得到的两个查询字段
for user in session.query(func.count(User.name),User.name).group_by(User.name).all():
    print(user,type(user))

session.query(User.gender,func.count(User.id)).group_by(User.gender).all()

温馨提示：

所有的查询得到：都是类似一个sql语句的东西：如下

print(session.query(User.name).filter(User.fullname=='Kong Ziyi'))

如果我们想得到相应的对象，必须加all()、one() 才可以得到真正意义上的对象。

print(session.query(User.name).filter(User.fullname=='Kong Ziyi').one())

文本SQL：

SQLAlchemy还提供了使用****文本SQL****的方式来进行查询，这种方式更加的灵活。与数据库对接比较紧密。

但是需要将sql语句放在text() 中。

from sqlalchemy import text

from sqlalchemy import text
# text() 中的内容 就是sql语句
for user in session.query(User).filter(text("id<10")).order_by(text("id")).all():
    print(user.name)

上面这种写法有一个缺陷就是写死了，如果我们传递的是一个变量呢？

session.query(User).filter(text("id<:value and name=:name")).params(value=224,name='ed').order_by(User.id)
# value是变量  name也是变量

在文本SQL中的变量前面使用了:来区分，然后使用params方法，指定需要传入进去的参数。

这样的写法有一点麻烦，及要写过滤的函数还要写 条件函数，我们可以采取下面分方法：

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

for user in session.query(User).from_statement(text("select * from users where name=:name")).params(name='hbhh').all():
    print(user)

from_statement 返回的是一个text里面的查询语句，最后一定要使用all() ,获取结果集。

Column常用参数：

• default：默认值。
• nullable：是否可空。
• primary_key：是否为主键。
• nique：是否唯一。
• autoincrement：是否自动增长。
• onupdate：更新的时候执行的函数。
• name：该属性在数据库中的字段映射。

数据类型：

sqlalchemy常用数据类型：

• Integer：整形。
• Float：浮点类型。
• Boolean：传递True/False进去。
• DECIMAL：定点类型。
• enum：枚举类型。
• Date：传递datetime.date()进去。
• DateTime：传递datetime.datetime()进去。
• Time：传递datetime.time()进去。
• String：字符类型，使用时需要指定长度，区别于Text类型。
• Text：文本类型。
• LONGTEXT：长文本类型。

总结：

? 在这篇博客中，你详细介绍了 SQLAlchemy 的相关使用，包括增删改查操作以及创建表等内容。这些知识对于学习 Flask 和 Django 构建 Web 应用程序提供了坚实的基础。

? 通过掌握 SQLAlchemy，你可以更加灵活地操作数据库，轻松实现数据的持久化和查询。这为你开发功能丰富、可靠的 Web 应用程序提供了强大的工具和技术支持。

? 同时，理解 SQLAlchemy 的工作原理和核心概念，例如 ORM（对象关系映射）模式，可以帮助你更好地组织和管理应用程序的数据层。这样，你可以专注于业务逻辑的开发，而无需过多关注底层数据库的细节。

? 在未来的学习和实践中，你可以进一步探索 SQLAlchemy 的高级功能和技巧，如复杂查询、关联关系、事务处理等。这些深入的知识将使你能够构建更加灵活、高效的数据库驱动应用程序。

? 综上所述，通过本文中对 SQLAlchemy 的详细讲解，你已经打下了坚实的基础，为进一步学习和应用 Flask 和 Django 提供了有力的支持。继续努力学习和实践，相信你将在 Web 开发领域取得更大的成就。祝你在未来的学习和项目中取得成功！