作者:手机用户2502858405 | 来源:互联网 | 2023-08-27 08:25
一、sqlalchemy介绍1.1orm的概念orm全称objectrelationalmapping(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
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):
如果需要 greenlet 异步支持:
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:
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。
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
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:
在commit()之前,可以取消对实例对象所做的修改,也就是回滚:
2.5 创建和删除表
创建所有表:
删除所有表:
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()
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()
条件中常用运算符:
多条件过滤:
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。
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。
到此这篇关于python orm框架之sqlalchemy 的基础用法的文章就介绍到这了,更多相关sqlalchemy 的用法内容请搜索<编程笔记>以前的文章或继续浏览下面的相关文章希望大家以后多多支持<编程笔记>!
需要了解更多python教程分享Python ORM框架之SQLAlchemy 的基础用法,都可以关注python教程分享栏目&#8212;编程笔记