Flask入门教程(非常详细)，从零基础入门到精通，看完这一篇就够了(3)

最新推荐文章于 2024-11-01 18:24:51 发布

2401_84862386

最新推荐文章于 2024-11-01 18:24:51 发布

阅读量753

点赞数 20

文章标签：鸿蒙面试学习

本文链接：https://blog.csdn.net/2401_84862386/article/details/138937933

版权

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上鸿蒙开发知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化的资料的朋友，可以戳这里获取

总结【掌握】查找方式1：查找静态文件时，正常情况下，会以 static为根目录进行查找【了解】查找方式2：查找静态文件时，非正常情况下，需要用 url_for(‘蓝图的名字.static’),然后会去蓝图对象在创建时指定的静态文件夹目录下去查找静态文件

蓝图url_for函数

如果使用蓝图，那么以后想要反转蓝图中的视图函数为url，就应该在使用url_for的时候指定这个蓝图名字。 app类中、模版中、同一个蓝图类中都是如此。否则就找不到这个 endpoint

html文件中

新闻列表 OK写法
{# 新闻列表 no Ok写法#}

python文件中

from flask import
Blueprint,render_template,url_for
user_bp=Blueprint(‘news’,name,url_prefix=‘/user’,template_folder=‘user_page’,static_folder=‘user_static’)
@user_bp.route(‘/list/’)
def user_list():
#如下写法：才找得到 url_for(‘蓝图名称.方法名’)
print(url_for(‘user.user_list’)) #/user/list/
print(url_for(‘user.user_detail’)) #/user/detail/
return render_template(‘user_list.html’)
@user_bp.route(‘/detail/’)
def user_detail():
return ‘用户详情页面’

子域名实现

蓝图实现子域名：

使用蓝图技术。
在创建蓝图对象的时候，需要传递一个 subdomain 参数，来指定这个子域名的前缀。

cms_bp=Blueprint(‘cms’,name,subdomain=‘cms’)

需要在主app文件中，需要配置app.config的SERVER_NAME参数。例如：

app.config[‘SERVER_NAME’]=‘baidu.com:5000’

在windows: C:\Windows\System32\drivers\etc 下，找到hosts文件，然后添加域名与本机的映射。Linux: /etc/hosts 域名和子域名都需要做映射

注意 ip地址不能有子域名 localhost也不能有子域名

Flask高级

Flask设置Cookie

设置

设置cookie是在Response的对象上设置。 flask.Response 对象有一个 set_cookie 方法，可以通过这个方法来设置 cookie 信息。

key,value形式设置信息

from flask import Flask, make_response
app = Flask(name)
@app.route(‘/cookie’)
def set_cookie():
resp = make_response(‘set cookie ok’)
resp.set_cookie(‘uname’, ‘itbaizhan’)
return resp

查看Cookie

在Chrome浏览器中查看cookie的方式：

方式1：借助于开发调式工具进行查看

方式2：在Chrome的设置界面->高级设置->内容设置->所有 cookie->找到当前域名下的cookie。

from flask import request
@app.route(‘/get_cookie’)
def get_cookie():
resp = request.cookies.get(‘uname’)
return resp

删除cookie

方式1：通过 Response对象.delete_cookie ，指定cookie的key，就可以删除cookie了。

from flask import request
@app.route(‘/delete_cookie’)
def delete_cookie():
response = make_response(‘helloworld’)
response.delete_cookie(‘uname’)
return response

方式2：在客户端浏览器人为的删除（清除浏览器浏览历史记录后，很多网站之前免密登录的都不好使了）

Cookie的有效期

默认的过期时间：如果没有显示的指定过期时间，那么这个cookie 将会在浏览器关闭后过期。 max_age：以秒为单位，距离现在多少秒后cookie会过期。

expires：为datetime类型。这个时间需要设置为格林尼治时间，相对北京时间来说会自动+8小时如果max_age和expires都设置了，那么这时候以max_age为标准。

注意

max_age在IE8以下的浏览器是不支持的。 expires虽然在新版的HTTP协议中是被废弃了，但是到目前为止，所有的浏览器都还是能够支持，所以如果想要兼容IE8以下的浏览器，那么应该使用expires，否则可以使用max_age。

from flask import Flask,Response
app = Flask(name)
@app.route(‘/’)
def index():
return ‘Hello！！’
@app.route(‘/create_cookie/defualt/’)
def create_cookie1():
resp = Response(‘通过默认值，设置cookie有效期’)

如果没有设置有效期，默认会在浏览器关闭的时候，让cookie过期

resp.set_cookie(‘uname’,‘zs’)
return resp
@app.route(‘/create_cookie/max_age/’)
def create_cookie2():
resp = Response(‘通过max_age，设置cookie有效期’)

max_age以秒为单位设置cookie的有效期

age = 60602

resp.set_cookie(‘uname’,‘zs’,max_age=age)
return resp
from datetime import datetime
@app.route(‘/create_cookie/expires/’)
def create_cookie3():
resp = Response(‘通过expires，设置cookie有效期’)

expires 以指定时间为cookie的有效期

16+8 == 24

tmp_time = datetime(2021, 11,11,hour=18,minute=0,second=0)

resp.set_cookie(‘uname’,‘python’,expires=tmp_time)
return resp
from datetime import timedelta
@app.route(‘/create_cookie/expires2/’)
def create_cookie4():
resp = Response(‘通过expires，设置cookie有效期’)

expires 以指定时间为cookie的有效期

tmp_time = datetime.now() +timedelta(days=2)
resp.set_cookie(‘uname’,‘python_sql’,expires=tmp_time)
return resp
@app.route(‘/create_cookie/exp_max/’)
def create_cookie5():
resp = Response(‘通过expires与max_age，设置cookie有效期’)

expires 与max_age同时设置了，会以max_age为准

tmp_time = datetime.now() +timedelta(days=2)

resp.set_cookie(‘uname’,‘python_sql’,expires=tmp_time,max_age = 60602)
return resp
if name == ‘main’:
app.run(debug=True)

Flask中使用Session

需要先设置SECRET_KEY

class DefaultConfig(object):
SECRET_KEY = ‘fih9fh9eh9gh2’
app.config.from_object(DefaultConfig)

或者直接设置

app.secret_key=‘xihwidfw9efw’

设置、修改

from flask import session
@app.route(‘/set_session/’)
def set_session():
session[‘username’] = ‘zs’
return ‘set session ok’

读取

@app.route(‘/get_session/’)
def get_session():
username = session.get(‘username’)
return ‘get session username {}’.format(username)

删除

@app.route(‘/del_session/’)
def delete_session():
#删除指定的key的session

session.pop(‘uname’)

#删除session中的所有的key 【删除所有】
session.clear()
return ‘删除成功’

Flask设置Session的有效期

如果没有设置session的有效期。那么默认就是浏览器关闭后过期。如果设置session.permanent=True，那么就会默认在31天后过期。如果不想在31天后过期，按如下步骤操作。

1 session.permanent=True

2 可以设置 app.config[‘PERMANENT_SESSION_LIFETIME’] = timedelta(hour=2) 在两个小时后过期。

from flask import Flask,session
from datetime import timedelta
app = Flask(name)
app.secret_key = ‘sdfdfdsfsss’
app.config[‘PERMANENT_SESSION_LIFETIME’] = timedelta(days=2)
@app.route(‘/’)
def index():
return ‘Hello！！’
@app.route(‘/set_session/’)
def set_session():

设置session的持久化,默认是增加了31天

session.permanent = True
session[‘uname’] = ‘10001’
return ‘设置一个Session的信息’
@app.route(‘/get_session/’)
def get_session():

如果服务器关闭掉了，session的有效期，依然是之前系统保存日期

如果secret_key设置是一个固定的值，那么服务器重启不会影响session的有效器

如果secret_key设置不是一个固定的值，那么服务器之前设置的session将全部过期

return session.get(‘uname’)
if name == ‘main’:
app.run(debug=True)

Session实战

login.html

Document

账号：
密码：

{% if msg %} {{ msg }} {% endif %}

from flask import Flask, session,
request,redirect,url_for,views,render_template
app = Flask(name)

定义一个基于方法调度的类视图

class LoginView(views.MethodView):
def __jump(self,msg=None):
return render_template(‘login.html’,msg = msg)
def get(self):
msg = request.args.get(‘msg’)
return self.__jump(msg)
def post(self):
uname = request.form.get(‘uname’)
pwd = request.form.get(‘pwd’)
if uname == “zs” and pwd == “123”:
session[‘uname’] = uname
return render_template(‘index.html’)
else:
return self.__jump(msg=“用户名或者密码错误”)
@app.route(‘/index/’)
def index():
uname = session.get(‘uname’)
if uname:
return ‘这个是主页！！！’
return redirect(url_for(‘login’,msg=‘请先登录’))

注册类视图

app.add_url_rule(‘/login/’,view_func=LoginView.as_view(‘login’))
if name == ‘main’:
app.secret_key = ‘xihwidfw9efw’
app.run(debug=True)

Local对象

需求

要实现并发效果, 每一个请求进来的时候我们都开启一个进程, 这显然是不合理的, 于是就可以使用线程那么线程中数据互相不隔离，存在修改数据的时候数据不安全的问题

Local对象

在Flask中，类似于 request 对象，其实是绑定到了一个 werkzeug.local.Local 对象上。这样，即使是同一个对象，那么在多个线程中都是隔离的。类似的对象还有 session 对象。

ThreadLocal变量

Python提供了ThreadLocal 变量，它本身是一个全局变量，但是每个线程却可以利用它来保存属于自己的私有数据，这些私有数据对其他线程也是不可见的。

from threading import Thread,local
local =local()
local.request = ‘具体用户的请求对象’
class MyThread(Thread):
def run(self):
local.request = ‘zs’
print(‘子线程：’,local.request)
mythread = MyThread()
mythread.start()
mythread.join()
print(‘主线程：’,local.request)

from werkzeug.local import Local
local = Local()
local.request = ‘具体用户的请求对象’
class MyThread(Thread):
def run(self):
local.request = ‘sxt’
print(‘子线程：’,local.request)
mythread = MyThread()
mythread.start()
mythread.join()
print(‘主线程：’,local.request)

总结

只要满足绑定到"local"或"Local"对象上的属性，在每个线程中都是隔离的，那么他就叫做 ThreadLocal 对象,也叫’ThreadLocal’变量。

Flask_app上下文

App上下文，也叫应用上下文

上下文(感性的理解)

每一段程序都有很多外部变量，只有像add这种简单的函数才是没有外部变量的。一旦一段程序有了外部变量，这段程序就不完整，不能独立运行。为了能让这段程序可以运行，就要给所有的外部变量一个一个设置一些值。就些值所在的集合就是叫上下文。并且上下文这一概念在中断任务的场景下具有重大意义，其中任务在被中断后，处理器保存上下文并提供中断处理，因些在这之后，任务可以在同一个地方继续执行。(上下文越小，延迟越小)

举例

运行的Flask项目，每一个路由映射的内容片段，都不可以单独拿出来使用.

当获取到了APP_Context以后，就可以直接通过程序映射的地址访问逻辑，并且可以重复使用。

上下文的一个典型应用场景就是用来缓存一些我们需要在发生请求之前或者要使用的资源。举个例子，比如数据库连接。当我们在应用上下文中来存储东西的时候你得选择一个唯一的名字，这是因为应用上下文为 Flask 应用和扩展所共享。

应用上下文：

应用上下文是存放到一个 LocalStack 的栈中。和应用app相关的操作就必须要用到应用上下文

比如:

通过 current_app 获取当前的这个 app 名字。

注意

在视图函数中，不用担心应用上下文的问题。因为视图函数要执行，那么肯定是通过访问url的方式执行的，那么这种情况下，Flask底层就已经自动的帮我们把应用上下文都推入到了相应的栈中。

如果想要在视图函数外面执行相关的操作，比如: 获取当前的app名称，那么就必须要手动推入应用上下文

第一种方式：便于理解的写法

from flask import Flask,current_app
app = Flask(name)
#app上下文
app_context = app.app_context()
app_context.push()
print(current_app.name)
@app.route(‘/’)
def hello_world():
print(current_app.name) #获取应用的名称
return ‘Hello World!’
if name == ‘main’:
app.run(debug=True)

第二种方式：用with语句

from flask import Flask,current_app
app = Flask(name)
#app上下文
#换一种写法
with app.app_context():
print(current_app.name)
@app.route(‘/’)
def hello_world():
print(current_app.name) #获取应用的名称
return ‘Hello World!’
if name == ‘main’:
app.run(debug=True)

Flask_线程隔离的g对象

保存为全局对象g对象的好处：

g对象是在整个Flask应用运行期间都是可以使用的。并且也跟request一样，是线程隔离的。这个对象是专门用来存储开发者自己定义的一些数据，方便在整个 Flask程序中都可以使用。一般使用就是，将一些经常会用到的数据绑定到上面，以后就直接从g上面取就可以了，而不需要通过传参的形式，这样更加方便。

g对象使用场景：

有一个工具类utils.py 和用户办理业务：

def funa(uname):
print(f’funa {uname}‘)
def funb(uname):
print(f’funb {uname}’)
def func(uname):
print(f’func {uname}')

用户办理业务

from flask import Flask,request
from utils import funa,funb,func
app = Flask(name)
#Flask_线程隔离的g对象使用详解
@app.route(“/profile/”)
def my_profile():
#从url中取参
uname = request.args.get(‘uname’)
#调用功能函数办理业务
funa(uname)
funb(uname)
func(uname)
#每次都得传参麻烦，引入g对象进行优化
return “办理业务成功”
if name == ‘main’:
app.run(debug=True)

优化工具类utils.py

from flask import g
def funa():
print(f’funa {g.uname}‘)
def funb():
print(f’funb {g.uname}’)
def func():
print(f’func {g.uname}')

Flask_钩子函数介绍

钩子函数概念

在Flask中钩子函数是使用特定的装饰器装饰的函数。为什么叫做钩子函数呢，是因为钩子函数可以在正常执行的代码中，插入一段自己想要执行的代码。那么这种函数就叫做钩子函数。

常见的钩子函数

before_first_request：处理项目的第一次请求之前执行。

@app.before_first_request
def first_request():
print(‘first time request’)

before_request：在每次请求之前执行。通常可以用这个装饰器来给视图函数增加一些变量。请求已经到达了Flask，但是还没有进入到具体的视图函数之前调用。一般这个就是在视图函数之前，我们可以把一些后面需要用到的数据先处理好，方便视图函数使用。

@app.before_request
def before_request():
if not hasattr(g,‘glo1’):
setattr(g,‘glo1’,‘想要设置的’)

teardown_appcontext：不管是否有异常，注册的函数都会在每次请求之后执行。

@app.teardown_appcontext
def teardown(exc=None):
if exc is None:
db.session.commit()
else:
db.session.rollback()
db.session.remove()

template_filter：在使用Jinja2模板的时候自定义过滤器。

@app.template_filter(“upper”)
def upper_filter(s):
return s.upper()

context_processor：上下文处理器。使用这个钩子函数，必须返回一个字典。这个字典中的值在所有模版中都可以使用。这个钩子函数的函数是，如果一些在很多模版中都要用到的变量，那么就可以使用这个钩子函数来返回，而不用在每个视图函数中的 render_template 中去写，这样可以让代码更加简洁和好维护。

@app.context_processor
def context_processor():
if hasattr(g,‘user’):
return {“current_user”:g.user}
else:
return {}

errorhandler：errorhandler接收状态码，可以自定义返回这种状态码的响应的处理方法。在发生一些异常的时候，比如404 错误，比如500错误,那么如果想要优雅的处理这些错误，就可以使用 errorhandler 来出来。

@app.errorhandler(404)
def page_not_found(error):
return ‘This page does not exist’,404

Flask_信号机制

信号机制

大白话来说，类似于两方属于敌对关系时，某人在敌对方阵营进行交谈，一旦遇到特殊情况，某人便会发送信号，他的同伙接收（监听）到他发的信号后，同伙便会做出一系列的应对策略(进攻|撤退)。 flask中的信号使用的是一个第三方插件，叫做blinker。通过pip list看一下，如果没有安装，通过以下命令即可安装blinker

pip install blinker

自定义信号步骤

自定义信号可分为3步来完成。

第一是创建一个信号，第二是监听一个信号，第三是发送一个信号。

以下将对这三步进行讲解：

创建信号：定义信号需要使用到blinker这个包的Namespace类来创建一个命名空间。比如定义一个在访问了某个视图函数的时候的信号。示例代码如下：

Namespace的作用：为了防止多人开发的时候，信号名字

冲突的问题
from blinker import Namespace
mysignal = Namespace()
signal1 = mysignal.signal(‘信号名称’)

监听信号：监听信号使用signal1对象的connect方法，在这个方法中需要传递一个函数，用来监听到这个信号后做该做的事情。示例代码如下：

def func1(sender,uname):
print(sender)
print(uname)
signal1.connect(func1)

发送信号：发送信号使用signal1对象的send方法，这个方法可以传递一些其他参数过去。示例代码如下：

signal1.send(uname=‘momo’)

Flask信号使用场景_存储用户登录日志

信号使用场景

定义一个登录的信号，以后用户登录进来以后就发送一个登录信号，然后能够监听这个信号在监听到这个信号以后，就记录当前这个用户登录的信息用信号的方式，记录用户的登录信息即登录日志。

编写一个signals.py文件创建登录信号

from blinker import Namespace
from datetime import datetime
from flask import request,g
namespace = Namespace()
#创建登录信号
login_signal = namespace.signal(‘login’)
def login_log(sender):

用户名登录时间 ip地址

now = datetime.now()
ip = request.remote_addr
log_data = “{uname}{now}{ip}”.format(uname=g.uname, now=now, ip=ip)
with open(‘login_log.txt’,‘a’) as f:
f.write(log_data + “\n”)
f.close()
#监听信号
login_signal.connect(login_log)

使用信号存储用户登录日志

from flask import Flask,request,g
from signals import login_signal
app = Flask(name)
@app.route(‘/login/’)
def login():

通过查询字符串的形式来传递uname这个参数

uname = request.args.get(‘uname’)
if uname:
g.uname = uname

发送信号

login_signal.send()
return ‘登录成功！’
else:
return ‘请输入用户名！’
if name == ‘main’:
app.run(debug=True)

Flask_内置信号

Flask内置了10个常用的信号：

1 template_rendered：模版渲染完成后的信号。

2 before_render_template：模版渲染之前的信号。

3 request_started：请求开始之前，在到达视图函数之前发送信号。

4 request_finished：请求结束时，在响应发送给客户端之前发送信号。

5 request_tearing_down：请求对象被销毁时发送的信号，即使在请求过程中发生异常也会发送信号。

6 got_request_exception：在请求过程中抛出异常时发送信号，异常本身会通过exception传递到订阅（监听）的函数中。一般可以监听这个信号，来记录网站异常信息。

7 appcontext_tearing_down：应用上下文被销毁时发送的信号。

8 appcontext_pushed：应用上下文被推入到栈上时发送的信号。

9 appcontext_popped：应用上下文被推出栈时发送的信号。

10 message_flashed：调用了Flask的 flash 方法时发送的信号。

WTForms介绍和基本使用

WTForms介绍

这个插件库主要有两个作用。第一个是做表单验证，将用户提交上来的数据进行验证是否符合系统要求。第二个是做模版渲染。（了解即可）官网：https://wtforms.readthedocs.io/en/latest/index.html

Flask-WTF是简化了WTForms操作的一个第三方库。WTForms表单的两个主要功能是验证用户提交数据的合法性以及渲染模板。而 Flask-WTF还包括一些其他的功能：CSRF保护，文件上传等。安装Flask-WTF默认也会安装WTForms，因此使用以下命令来安装 Flask-WTF和WTForms:

pip install flask-wtf

WTForms表单验证的基本使用

1 自定义一个表单类，继承自wtforms.Form类。

2 定义好需要验证的字段，字段的名字必须和模版中那些需要验证的input标签的name属性值保持一致。

3 在需要验证的字段上，需要指定好具体的数据类型。

4 在相关的字段上，指定验证器。

5 以后在视图函数中，只需要使用这个表单类的对象，并且把需要验证的数据，也就是request.form 传给这个表单类，再调用表单类对象.validate()方法进行，如果返回True，那么代表用户输入的数据都是符合格式要求的，Flase则代表用户输入的数据是有问题的。如果验证失败了，那么可以通过表单类对象.errors来获取具体的错误信息。

from flask import
Flask,render_template,request
from wtforms import Form,StringField
from wtforms.validators import
Length,EqualTo
app = Flask(name)
@app.route(‘/’)
def index():
return ‘Hello! ’
class RegisterForm(Form):
uname = StringField(validators=[Length(min=2,max=10,message=‘用户名长度2-10之间’)])
pwd = StringField(validators=[Length(min=2,max=10)])
pwd2 = StringField(validators=[Length(min=2,max=10),EqualTo(‘pwd’,message=‘2次密码不一致’)])
@app.route(’/register/‘, methods=[‘GET’,‘POST’])
def register():
if request.method == ‘GET’:
return render_template(‘register.html’)
else:
form = RegisterForm(request.form)
if form.validate(): # 验证成功：True,失败：False
return ‘验证成功！’
else:
return f’验证失败！{form.errors}’
if name == ‘main’:
app.run(debug=True)

WTForms常用验证器

页面把数据提交上来，需要经过表单验证，进而需要借助验证器来进行验证，以下是常用的内置验证器：

Length：字符串长度限制，有min和max两个值进行限制。

username = StringField(validators=[Length(min=3,max=10,message=“用户名长度必须在3到10位之间”)])

EqualTo：验证数据是否和另外一个字段相等，常用的就是密码和确认密码两个字段是否相等。

password_repeat = StringField(validators=[Length(min=6,max=10),EqualTo(“password”)])

Email：验证上传的数据是否为邮箱数据格式如：223333@qq. com。

email = StringField(validators=[Email()])

InputRequired：验证该项数据为必填项，即要求该项非空。

username = StringField(validators=[input_required()])

NumberRange：数值的区间，有min和max两个值限制，如果处在这两个数字之间则满足。

age = IntegerField(validators=[NumberRange(12,18)])

Regexp：定义正则表达式进行验证，如验证手机号码。

phone = StringField(validators=[Regexp(r’1[34578]\d{9}')])

URL：必须是URL的形式如http://www.bjsxt.com。

home_page = StringField(validators=[URL()])

UUID：验证数据是UUID类型。

uuid = StringField(validators=[UUID()])

WTForms自定义验证器

只有当WTForms内置的验证器不够使的时候，才需要使用自定义验证器。如果想要对表单中的某个字段进行更细化的验证，那么可以针对这个字段进行单独的验证。

自定义验证器步骤如下：

1 定义一个方法，方法的名字规则是： validate_字段名(self,field) 。

2 在方法中，使用 field.data 可以获取到这个字段的具体的值。

3 验证时，如果数据满足条件，那么可以什么都不做。如果验证失败，那么应该抛出一个 wtforms.validators.ValidationError 的异常，并且把验证失败的信息传到这个异常类中。

场景：验证码实现

关键代码演示：(实现验证码验证)

from flask import session
from wtforms import
Form,StringField,IntegerField
from wtforms.validators import
Length,EqualTo,Email,InputRequired,NumberRan
ge,Regexp,URL,UUID,ValidationError
class RegisterForm2(Form):
email = StringField(validators=[Email()])
uname = StringField(validators=[InputRequired()])
age = IntegerField(validators=[NumberRange(18,40)])
phone = StringField(validators=[Regexp(r’1[34578]\d{9}')])
phomepage = StringField(validators=[URL()])
uuid = StringField(validators=[UUID()])
code = StringField(validators=[Length(4,4)])
#取到的值和服务器上 session上存储的值对比
def validate_code(self,field):
print(field.data,session.get(‘code’))
if field.data !=session.get(‘code’):
raise ValidationError(‘验证码不一致！’)

Flask安全上传文件

上传文件步骤：

在模版html中，表单需要指定 enctype=‘multipart/form-data’ 才能上传文件。
在后台如果想要获取上传的文件，那么应该使用 request.files.get(‘文件名’) 来获取。
保存文件之前，先要使用 werkzeug.utils.secure_filename 来对上传上来的文件名进行一个过滤。能保证不会有安全问题。
获取到上传上来的文件后，使用文件对象.save(路径) 方法来保存文件。路径=完整路径=路径名+文件名

upload.html页面

上传文件

头像：
描述：

app.py文件

from flask import
Flask,request,render_template
import os
from werkzeug.utils import secure_filename
app = Flask(name)
UPLOAD_PATH = os.path.join(os.path.dirname(file),‘images’)
@app.route(‘/upload/’,methods=[‘GET’,‘POST’])
def upload():
if request.method == ‘GET’:
return render_template(‘upload.html’)
else:
desc = request.form.get(“desc”)
pichead = request.files.get(“pichead”)
filename = secure_filename(pichead.filename) #包装一下保证文件安全
#pichead.save(os.path.join(UPLOAD_PATH,pichead.filename)) #可优化
pichead.save(os.path.join(UPLOAD_PATH,filename)) #已优化
print(desc)
return ‘文件上传成功’

if name == ‘main’:
app.run(debug=True)

访问文件

从服务器上读取文件，应该定义一个url与视图函数，来获取指定的文件。在这个视图函数中，使用 send_from_directory(文件的目录,文件名) 来获取。

from flask import Flask
import os
from flask import send_from_directory
app = Flask(name)
UPLOAD_PATH = os.path.join(os.path.dirname(file),‘images’)
@app.route(‘/images//’)
def get_image(filename):
return send_from_directory(UPLOAD_PATH,filename)
if name == ‘main’:
app.run(debug=True)

利用flask-wtf验证上传的文件

关键点：

1 定义验证表单类的时候，对文件类型的字段，需要采用 FileField 这个类型，即wtforms.FileField 2 验证器需要从 flask_wtf.file 中导入。 flask_wtf.file.FileRequired 和 flask_wtf.file.FileAllowed

3 flask_wtf.file.FileRequired 是用来验证文件上传不能为空。

4 flask_wtf.file.FileAllowed 用来验证上传的文件的后缀名，如常见图片后缀 .jpg 和.png以及.gif等。

5 在视图函数中，需要使用 from werkzeug.datastructures import CombinedMultiDict 来把 request.form 与 request.files 来进行合并。

6 最后使用表单验证对象.validate()进行验证。

代码如下：

upload.html页面

上传文件

头像：
描述：

formscheck.py文件

from wtforms import
Form,FileField,StringField
from wtforms.validators import InputRequired

flask_wtf

from flask_wtf.file import FileRequired,FileAllowed
class UploadForm(Form):
pichead = FileField(validators= [FileRequired(),FileAllowed([‘jpg’,‘png’,‘gif’])])
desc = StringField(validators=[InputRequired()])

app.py文件

from flask import
Flask,request,render_template
import os
from werkzeug.utils import secure_filename
from formscheck import UploadForm
from werkzeug.datastructures import
CombinedMultiDict
app = Flask(name)
UPLOAD_PATH = os.path.join(os.path.dirname(file),‘images’)
#利用flask-wtf验证上传的文件
@app.route(‘/upload/’,methods=[‘GET’,‘POST’])
def upload():
if request.method == ‘GET’:
return render_template(‘upload.html’)
else:
form = UploadForm(CombinedMultiDict([request.form,request.files]))
if form.validate():

desc = request.form.get(“desc”)

pichead = request.files.get(“pichead”)

desc = form.desc.data
pichead = form.pichead.data
filename = secure_filename(pichead.filename)
pichead.save(os.path.join(UPLOAD_PATH,filename))
print(desc)
return ‘文件上传成功’
else:
print(form.errors)
return “文件上传失败”
if name == ‘main’:
app.run(debug=True)

Restful介绍

1.Restful接口规范

REST 指的是一组架构约束条件和原则。满足这些约束条件和原则的应用程序或设计就是 RESTful。 RESTful是一种软件架构风格、设计风格，而不是标准，只是提供了一组设计原则和约束条件。它主要用于客户端和服务器交互类的软件。基于这个风格设计的软件可以更简洁，更有层次。 RESTful接口规范是用于在前端与后台进行通信的一套规范。使用这个规范可以让前后端开发变得更加轻松。

**2.适用场景：**一个系统的数据库数据，展现的平台有PC端、移动端、app端、ios端。前端工程师：都遵循RESTful编程规范后端工程师：都遵循RESTful编程规范最终结果：开发效率高，便于管理。

**3.协议：**用http或者https协议。

4.数据传输格式： 数据传输的格式应该都用json格式。

**5.url链接规则：**url链接中，不能有动词，只能有名词。并且对于一些名词，如果出现复数，那么应该在后面加s。比如：获取新闻列表，应该使用 /news/ ，而不应该使用/get_news/

6.HTTP请求方式： GET：从服务器上获取资源。 POST：在服务器上新增或者修改一个资源。 PUT：在服务器上更新资源。（客户端提供所有改变后的数据） PATCH：在服务器上更新资源。（客户端只提供需要改变的属性） DELETE：从服务器上删除资源。

7.状态码：

Restful的基本使用

1.介绍：

优势： Flask-Restful是一个专门用来写restful api的一个插件。使用它可以快速的集成restful api接口功能。在系统的纯api的后台中，这个插件可以帮助我们节省很多时间。

缺点：如果在普通的网站中，这个插件就没有优势了，因为在普通的网站开发中，是需要去渲染HTML代码的，而Flask-Restful在每个请求中都是返回json格式的数据。

**2.安装：**pip install flask-restful

3.基本使用：

定义Restful的类视图：

从 flask_restful 中导入 Api ，来创建一个 api 对象。
写一个类视图，让他继承自 Resource 类，然后在这个里面，使用你想要的请求方式来定义相应的方法，比如你想要将这个类视图只能采用 post 请求，那么就定义一个 post 方法。
使用 api.add_resource 来添加类视图与 url 。

from flask import Flask,url_for

pip install flask-restful

from flask_restful import Resource,Api
app = Flask(name)

建立Api对象，并绑定应用APP

api = Api(app)
class LoginView(Resource):
def get(self):
return {“flag”:True}
def post(self):
return {“flag”:False}

建立路由映射

api.add_resource(LoginView,‘/login/’)

api.add_resource(LoginView,‘/login/’,‘/login2/’,endpoint=‘login’)
with app.test_request_context():

werkzeug.routing.BuildError: Could not build url for endpoint ‘LoginView’.

Did you mean ‘loginview’ instead?

默认没有写endpoint反向url_for函数通过小写函数名

如果有多个url，会返回第1个URL

print(url_for(‘loginview’))

print(url_for(‘login’))
if name == ‘main’:
app.run(debug=True)

注意

1 如果你想返回json数据，那么就使用flask_restful，如果你是想渲染模版，那么还是采用之前的方式，就是 app.route 的方式。

2 url还是跟之前的一样，可以传递参数。也跟之前的不一样，可以指定多个url。

3 endpoint是用来给url_for反转url的时候指定的。如果不写endpoint，那么将会使用视图的名字的小写来作为endpoint。

4 add_resource的第二个参数是访问这个视图函数的url，这个url可以跟之前的route一样，可以传递参数，并且还有一点不同的是，这个方法可以传递多个url来指定这个视图函数。

Flask_RESTful参数验证

参数验证

参数验证也叫参数解析 Flask-Restful插件提供了类似WTForms来验证提交的数据是否合法的包，叫做reqparse。

基本用法

1 通过 flask_restful.reqparse 中 RequestParser 建立解析器

2 通过 RequestParser 中的 add_argument 方法定义字段与解析规则

3 通过 RequestParser 中的 parse_args 来解析参数

1 解析正确，返回正确参数

2 解析错误，返回错误信息给前端

from flask import Flask
from flask_restful import Api,Resource
from flask_restful.reqparse import
RequestParser
app = Flask(name)
api = Api(app)
class RegisterView(Resource):
def post(self):

建立解析器

parser = RequestParser()

定义数据的解析规则

parser.add_argument(‘uname’,type=str,required=True,help=‘用户名验证错误’,trim=True)

解析数据

args = parser.parse_args()

正确，直接获取参数

print(args)

错误，回馈到前端

响应数据

return {‘msg’:‘注册成功！！’}

建立映射关系

api.add_resource(RegisterView,‘/register/’)
if name == ‘main’:
app.run(debug=True)

add_argument方法参数详解

add_argument方法可以指定这个字段的名字，这个字段的数据类型等，验证错误提示信息等，具体如下：

**1 default：**默认值，如果这个参数没有值，那么将使用这个参数指定的默认值。

2 required：是否必须。默认为False，如果设置为True，那么这个参数就必须提交上来。

**3 type：**这个参数的数据类型，如果指定，那么将使用指定的数据类型来强制转换提交上来的值。可以使用python自带的一些数据类型(如str或者int)，也可以使用flask_restful.inputs下的一些特定的数据类型来强制转换。

url：会判断这个参数的值是否是一个url，如果不是，那么就会抛出异常。

regex：正则表达式。

date：将这个字符串转换为datetime.date数据类型。如果转换不成功，则会抛出一个异常.

4 choices：固定选项。提交上来的值只有满足这个选项中的值才符合验证通过，否则验证不通过。

5 help：错误信息。如果验证失败后，将会使用这个参数指定的值作为错误信息。

**6 trim：**是否要去掉前后的空格

from flask import Flask
from flask_restful import
Api,Resource,inputs
from flask_restful.reqparse import
RequestParser
app = Flask(name)
api = Api(app)
class RegisterView(Resource):
def post(self):

建立解析器

parser = RequestParser()

定义解析规则

parser.add_argument(‘uname’,type=str,required=True,trim=True,help=‘用户名不符合规范’)
parser.add_argument(‘pwd’,type=str,help=‘密码错误’,default=‘123456’)
parser.add_argument(‘age’,type=int,help=‘年龄验证错误！’)
parser.add_argument(‘gender’,type=str,choices=[‘男’, ‘女’,‘保密’],help=‘性别验证错误’)
parser.add_argument(‘birthday’,type=inputs.date,help=‘生日验证错误’)
parser.add_argument(‘phone’,type=inputs.regex(‘^1[356789]\d{9}$’),help=‘电话验证错误’)
parser.add_argument(‘homepage’,type=inputs.url,help=‘个人主页验证错误’)

解析数据

args = parser.parse_args()
print(args)
return {‘msg’:‘注册成功！’}

api.add_resource(RegisterView,‘/register/’)
if name == ‘main’:
app.run(debug=True)

Flask_SQLAlchemy

SQLAlchemy的使用

数据库是一个网站的基础。比如MySQL、MongoDB、SQLite、PostgreSQL等，这里我们以 MySQL为例进行讲解。 SQLAlchemy是一个ORM框架。

对象关系映射（英语：Object Relational Mapping，简称 ORM，或O/RM，或O/R mapping），是一种程序设计技术，用于实现面向对象编程语言里不同类型系统的数据之间的转换。从效果上说，它其实是创建了一个可在编程语言里使用的“虚拟对象数据库”。

大白话 对象模型与数据库表的映射

为什么要有SQLAlchemy？

随着项目的越来越大，采用写原生SQL的方式在代码中会出现大量重复的SQL语句，那么，问题就出现了：

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.很多SQL语句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。

而ORM可以通过类的方式去操作数据库而不用再写原生的SQL语句，通过把表映射成类，把行作为实例(一条数据)，把字段作为属性，ORM在执行对象操作的时候最终还是会把对象的操作转换为数据库的原生语句，但使用ORM有许多优点：

1.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

2.性能损耗小：ORM转换成底层数据库操作指令确实会有一些开销。但是从实际情况来看，这种性能损耗很少（不足5%），只要不是针对性能有严苛的要求，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。

3 设计灵活：可以轻松的写出复杂的查询。

4.可移植性：SQLAlchemy封装了底层的数据库实现，支持多个关系数据库引擎，包括流行的 Mysql、PostgreSQL和SQLite，可以非常轻松的切换数据库。

使用ORM操作数据库将变得非常简单！

class Person:
name = ‘xx’
age = 18
country =‘xx’

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

p = Person(‘xx’,xx)

p.save()

insert into table values (‘xx’,xx)

我们会以 MySQL+ SQLAlchemy 组合进行讲解。

在操作数据库操作之前，先确保你已经安装了以下软件：

mysql:如果是在windows上，到官网下载
pymysql：pymysql是用Python来操作mysql的包 pip install pymysqlpip install pymysql
SQLAlchemy：SQLAlchemy是一个数据库的ORM框架，我们在后面会用到

pip install pymysql

pip install SQLAlchemy

SQLAlchemy操作数据库

连接数据库

from sqlalchemy import create_engine
def conn_db1():

数据库的变量

HOST = ‘192.168.30.151’ # 127.0.0.1/localhost
PORT = 3306
DATA_BASE = ‘flask_db’
USER = ‘root’
PWD = ‘123’

DB_URI = f’数据库的名+驱动名://{USER}:{PWD}@{HOST}:{PORT}/{DATA_BASE}’

DB_URI = f’mysql+pymysql://{USER}:{PWD}@{HOST}:{PORT}/{DATA_BASE}’
engine = create_engine(DB_URI)

执行一个SQL

sql = ‘select 2;’
conn = engine.connect()
rs = conn.execute(sql)
print(rs.fetchone())

执行原生SQL

def conn_db2():

数据库的变量

HOST = ‘192.168.30.151’ # 127.0.0.1/localhost
PORT = 3306
DATA_BASE = ‘flask_db’
USER = ‘root’
PWD = ‘123’

DB_URI = f’数据库的名+驱动名://{USER}:{PWD}@{HOST}:{PORT}/{DATA_BASE}’

DB_URI = f’mysql+pymysql://{USER}:{PWD}@{HOST}:{PORT}/{DATA_BASE}’
‘’’

创建一个引擎，专门链接数据库用的

engine = create_engine(DB_URI)
sql = ‘create table t_user(id int primary key auto_increment, name varchar(32));’

链接数据库

conn = engine.connect()

执行SQL即可

conn.execute(sql)
‘’’
def conn_db3():

数据库的变量

HOST = ‘192.168.30.151’ # 127.0.0.1/localhost
PORT = 3306
DATA_BASE = ‘flask_db’
USER = ‘root’
PWD = ‘123’

DB_URI = f’数据库的名+驱动名://{USER}:{PWD}@{HOST}:{PORT}/{DATA_BASE}’

DB_URI = f’mysql+pymysql://{USER}:{PWD}@{HOST}:{PORT}/{DATA_BASE}’

创建一个引擎，专门链接数据库用的

engine = create_engine(DB_URI)
sql = ‘create table t_user1(id int primary key auto_increment, name varchar(32));’

链接数据库

with engine.connect() as conn:

执行SQL即可

conn.execute(sql)

ORM模型映射到数据库中

用 declarative_base 根据 engine 创建一个ORM基类

from sqlalchemy.ext.declarative import declarative_base
engine = create_engine(DB_URI)
Base = declarative_base(engine)

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’

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

class Person(Base):
tablename =‘t_person’

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)
name = Column(String(50))
age = Column(Integer)
country = Column(String(50))

使用 Base.metadata.create_all() 来将模型映射到数据库中

Base.metadata.create_all()

注意

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

SQLAlchemy对数据的增删改查操作

构建session对象

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，通过以下代码来获取会话对象

from sqlalchemy.orm import sessionmaker
engine = create_engine(DB_URI)
Base = declarative_base(engine)
session = sessionmaker(engine)()

添加对象

def create_data_one():
with Session() as session:
p1 = Person(name = ‘刘备’,age = 6 ,country=‘北京’)
session.add(p1)
session.commit()
def create_data_many():
with Session() as session:
p2 = Person(name = ‘吕布’,age = 19 ,country=‘北京’)
p3 = Person(name = ‘貂蝉’,age = 18 ,country=‘北京’)
session.add_all([p2,p3])
session.commit()

查找对象

def query_data_all():
with Session() as session:
all_person = session.query(Person).all()
for p in all_person:
print(p.name)
def query_data_one():
with Session() as session:
p1 = session.query(Person).first()
print(p1.name)
def query_data_by_params():
with Session() as session:

p1 = session.query(Person).filter_by(name=‘吕布’).first()

p1 = session.query(Person).filter(Person.name == ‘吕布’).first()
print(p1.age)

修改对象

def update_data():
with Session() as session:
p1 = session.query(Person).filter(Person.name == ‘吕布’).first()
p1.age = 20

提交事务

session.commit()

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

def delete_data():
with Session() as session:
p1 = session.query(Person).filter(Person.name == ‘貂蝉’).first()
session.delete(p1)
session.commit()

SQLAlchemy常用数据类型

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 (SQLALCHEMY中没有)。 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。

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，示例代码如下：

class News(Base):
tablename = ‘t_news’
tag = Column(Enum(“python”,‘flask’,‘django’))

在Python3中，已经内置了enum这个枚举的模块，我们也可以使用这个模块去定义相关的字段。示例代码如下:

class TagEnum(enum.Enum):
python = “python”
flask = “flask”
django = “django”
class News(Base):
tablename = ‘t_news’
id = Column(Integer,primary_key=True,autoincrement=True)
tag = Column(Enum(TagEnum))

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。示例代码如下：

class News(Base):
tablename = ‘t_news’
create_time = Column(Time)
news =News(create_time=time(hour=11,minute=11,second=11))

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。

from sqlalchemy import create_engine,Column,Integer,String,Float,Enum,Boolean,DECIMAL,Text,Date,DateTime,Time
from sqlalchemy.ext.declarative import declarative_base
from sqlalchemy.dialects.mysql import LONGTEXT
from sqlalchemy.orm import sessionmaker
import enum
from datetime import date
from datetime import datetime
from datetime import time

准备数据库的一堆信息 ip port user pwd 数据库的名称按要求组织格式

HOSTNAME = ‘127.0.0.1’
PORT = ‘3306’
DATABASE = ‘first_sqlalchemy’
USERNAME = ‘root’
PASSWORD = ‘root’

dialect+driver://username:password@host:port/database?charset=utf8

按照上述的格式来组织数据库信息

DB_URI =“mysql+pymysql://{username}:{password}@{host}:{port}/{db}?charset=utf8”.format(username=USERNAME,password=PASSWORD,
host=HOSTNAME,port=PORT,db=DATABASE)

创建数据库引擎

engine = create_engine(DB_URI)

创建会话对象

session = sessionmaker(engine)()

定义一个枚举类

class TagEnum(enum.Enum):
python=“PYHTON2”
flask=“FLASK2”
django =“DJANGO”

创建一个ORM模型说明基于sqlalchemy 映射到mysql数据库的常用字段类型有哪些？

Base = declarative_base(engine)
class News(Base):
tablename=‘news’
id = Column(Integer,primary_key=True,autoincrement=True)
price1 = Column(Float) #存储数据时存在精度丢失问题
price2 = Column(DECIMAL(10,4))
title = Column(String(50))
is_delete =Column(Boolean)
tag1 =Column(Enum(‘PYTHON’,‘FLASK’,‘DJANGO’)) # 枚举常规写法
tag2 =Column(Enum(TagEnum)) #枚举另一种写法
create_time1=Column(Date)
create_time2=Column(DateTime)
create_time3=Column(Time)
content1 =Column(Text)
content2 =Column(LONGTEXT)

Base.metadata.drop_all()

Base.metadata.create_all()

新增数据到表news中

a1 = 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”)

a1 = News(price1=1000.0078,price2=1000.0078,title=‘测试数据’
,is_delete=False,tag1=“PYTHON”,tag2=TagEnum.python,

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(a1)
session.commit()

Column常用参数

primary_key：True设置某个字段为主键。

autoincrement：True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。如果指定了，就会使用指定的这个值作为表字段名。这个参数也可以当作位置参数，在第1个参数来指定。

title = Column(String(50),name=‘title’,nullable=False)
title = Column(‘my_title’,String(50),nullable=False)

from datetime import datetime
from sqlalchemy import
Column,Integer,DateTime,String
from db_util import Base,Session
class News(Base):
tablename = ‘t_news2’
id = Column(Integer,primary_key = True,autoincrement = True)
phone = Column(String(11),unique = True)
title = Column(String(32),nullable = False)
read_count = Column(Integer,default=1)
create_time = Column(DateTime,default = datetime.now)
update_time = Column(DateTime,default = datetime.now, onupdate =datetime.now ) # 当数据更新后，参数的内容才会更改

def create_data():
new1 = News(phone=‘16866666666’,title=‘测试列参数’)
with Session() as session:
session.add(new1)
session.commit()
def create_data2():

new1 = News(phone=‘16866666666’,title=‘测试列参数’) # 不允许重复

new1 = News(phone=‘16866666668’) # title不能为空

with Session() as session:

session.add(new1)

session.commit()

with Session() as session:
new1 = session.query(News).first()
new1.read_count = 2
session.commit()
if name == ‘main’:

Base.metadata.create_all()

create_data()

create_data2()

query函数的使用

模型名。指定查找这个模型中所有的属性(对应查询表为全表查询)
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

func.count：统计行的数量。
func.avg：求平均值。
func.max：求最大值。
func.min：求最小值。
func.sum：求和。

提示

func 上，其实没有任何聚合函数。但是因为他底层做了一些魔术，只要mysql中有的聚合函数，都可以通过func调用

from random import randint
from sqlalchemy import
Column,Integer,String,func
from db_util import Base,Session
class Item(Base):
tablename = ‘t_item’
id = Column(Integer,primary_key = True,autoincrement = True)
title = Column(String(32))
price = Column(Integer)
def create_data():
with Session() as ses:
for i in range(10):
item = Item(title = f’产品:{i+1}',price=randint(1,100))
ses.add(item)
ses.commit()
def query_model_name():

获取所有的字段

with Session() as ses:
rs = ses.query(Item).all()
for r in rs:
print(r.title)
def query_model_attr():

获取指定的字段

with Session() as ses:
rs = ses.query(Item.title,Item.price).all()
for r in rs:
print(r.price)
def query_by_func():

统计指定的列数据

with Session() as ses:

rs =ses.query(func.count(Item.id)).first()

rs =ses.query(func.max(Item.price)).first()

rs =ses.query(func.avg(Item.price)).first()

rs =ses.query(func.sum(Item.price)).first()
print(rs)

if name ==‘main’:

Base.metadata.create_all()

create_data()

query_model_name()

query_model_attr()

query_by_func()

filter过滤数据

过滤是数据提取的一个很重要的功能，以下对一些常用的过滤条件进行解释，并且这些过滤条件都是只能通过filter方法实现的：

equals

news=session.query(News).filter(News.title ==“title1”).first()

not equals

query(User).filter(User.name != ‘ed’)

like & ilike [不区分大小写]

query(User).filter(User.name.like(‘%ed%’))

query(User).filter(User.name.in_([‘ed’,‘wendy’,‘jack’]))

not in

query(User).filter(~User.name.in_([‘ed’,‘wendy’,‘jack’]))

is null

query(User).filter(User.name==None)

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

is not null

query(User).filter(User.name != None)

或者是query(User).filter(User.name.isnot(None))

query(User).filter(and_(User.name==‘ed’,User.fullname==‘Ed Jones’))

或者是传递多个参数

query(User).filter(User.name==‘ed’,User.fullname==‘Ed Jones’)

或者是通过多次filter操作

query(User).filter(User.name==‘ed’).filter(User.fullname==‘Ed Jones’)

query(User).filter(or_(User.name==‘ed’,User.name==‘wendy’))

如果想要查看orm底层转换的sql语句，可以在filter方法后面不要再执行任何方法直接打印就可以看到了。比如：

news =session.query(News).filter(or_(News.title==‘abc’,News.content==‘abc’))
print(news)

from random import randint
from uuid import uuid4
from sqlalchemy import
Column,Integer,String,Float,Text,and_,or_
from db_util import Base,Session
class Article(Base):
tablename = ‘t_article’
id =Column(Integer,primary_key=True,autoincrement=True)
title =Column(String(50),nullable=False)
price = Column(Float,nullable=False)
content = Column(Text)

def repr(self):
return f"<Article(title:{self.title} price:{self.price} content:{self.content})>"
def create_data():
with Session() as ses:
for i in range(10):
if i%2 == 0:
art = Article(title =f’title{i+1}‘,price=randint(1,100),content= uuid4())
else:
art = Article(title =f’TITLE{i+1}’,price=randint(1,100))
ses.add(art)
ses.commit()
def query_data():
with Session() as ses:

rs =ses.query(Article).filter_by(id=1).first()

rs =ses.query(Article).filter(Article.id ==1).first()
print(rs)
def query_data_equal():
with Session() as ses:
rs =ses.query(Article).filter(Article.title ==‘title2’).first()
print(rs)
def query_data_not_equal():
with Session() as ses:
rs =ses.query(Article).filter(Article.title !=‘title2’).all()
print(rs)
def query_data_like():
with Session() as ses:

select * from t_article wheretitle like ‘title%’;

rs =ses.query(Article).filter(Article.title.like(‘title%’)).all()
for r in rs:
print®
def query_data_in():
with Session() as ses:
rs=ses.query(Article).filter(Article.title.in_([‘title1’,‘title3’,‘title6’])).all()
for r in rs:
print®
def query_data_not_in():
with Session() as ses:
rs=ses.query(Article).filter(~Article.title.in_([‘title1’,‘title3’,‘title6’])).all()
for r in rs:
print®
def query_data_null():
with Session() as ses:
rs =ses.query(Article).filter(Article.content== None).all()
for r in rs:
print®
def query_data_not_null():
with Session() as ses:
rs =ses.query(Article).filter(Article.content!= None).all()
for r in rs:
print®
def query_data_and():
with Session() as ses:

rs =ses.query(Article).filter(Article.title!=‘title4’ and Article.price>8).all()

rs =ses.query(Article).filter(Article.title!=‘title4’,Article.price >50 ).all()

rs =ses.query(Article).filter(and_(Article.title !=‘title4’,Article.price >50)).all()
for r in rs:
print®
def query_data_or():
with Session() as ses:
rs =ses.query(Article).filter(or_(Article.title==‘title4’,Article.price >50) ).all()
for r in rs:
print®
if name == ‘main’:

Base.metadata.create_all()

create_data()

query_data()

query_data_equal()

query_data_not_equal()

query_data_like()

query_data_in()

query_data_not_in()

query_data_null()

query_data_not_null()

query_data_and()

query_data_or()

表关系

表之间的关系存在三种：一对一、一对多、多对多。而SQLAlchemy中的ORM也可以模拟这三种关系。因为一对一其实在SQLAlchemy中底层是通过一对多的方式模拟的，所以先来看下一对多的关系：

外键：使用SQLAlchemy创建外键非常简单。在从表中增加一个字段，指定这个字段外键的是哪个表的哪个字段就可以了。从表中外键的字段，必须和主表的主键字段类型保持一致。

class User(Base):
tablename = ‘t_user’
id =Column(Integer,primary_key=True,autoincrement=True)
uname =Column(String(50),nullable=False,name=‘name’)
class News(Base):
tablename = ‘t_news’
id =Column(Integer,primary_key=True,autoincrement=True)
title =Column(String(50),nullable=False)
content = Column(Text,nullable=False)
uid =Column(Integer,ForeignKey(‘t_user.id’,)

外键约束有以下几项：

RESTRICT：若子表中有父表对应的关联数据，删除父表对应数据，会阻止删除。默认项

NO ACTION：在MySQL中，同RESTRICT。

CASCADE：级联删除。

SET NULL：父表对应数据被删除，子表对应数据项会设置为 NULL。

from sqlalchemy import
Column,Integer,String,Text,ForeignKey
from db_util import Base,Session
class User(Base):
tablename = ‘t_user’
id =Column(Integer,primary_key=True,autoincrement=True)
uname =Column(String(50),nullable=False,name=‘name’)
class News(Base):
tablename = ‘t_news’
id =Column(Integer,primary_key=True,autoincrement=True)
title =Column(String(50),nullable=False)
content = Column(Text,nullable=False)

uid =Column(Integer,ForeignKey(‘t_user.id’)) # 默认不让删主表数据

uid =Column(Integer,ForeignKey(‘t_user.id’,ondelete = ‘RESTRICT’)) # 默认的策略

uid =Column(Integer,ForeignKey(‘t_user.id’,ondelete = ‘NO ACTION’)) # 默认的策略

uid =Column(Integer,ForeignKey(‘t_user.id’,ondelete = ‘CASCADE’)) # 级联删除，发主表的数据被删除，子表的里数据也会删除

uid =Column(Integer,ForeignKey(‘t_user.id’,ondelete = ‘SET NULL’)) # 发现主表数据被删除时，子表的数据列会清空
def create_data():
user = User(uname = ‘zs’)
news1 =News(title=‘python’,content=‘flask’,uid = 1)
news2 =News(title=‘MySQL’,content=‘SQL’,uid = 1)
with Session() as ses:
ses.add(user)
ses.commit()
with Session() as ses:
ses.add(news1)
ses.add(news2)
ses.commit()
if name == ‘main’:
Base.metadata.create_all()
create_data()

ORM关系之一对多

mysql级别的外键，还不够爽，必须拿到一个表的外键，然后通过这个外键再去另外一张表中查找，这样太麻烦了。

SQLAlchemy提供了一个 relationship ，这个类可以定义属性，以后在访问相关联的表的时候就直接可以通过属性访问的方式就可以访问得到了。另外，可以通过 backref 来指定反向访问的属性名称。newss是指有多篇新闻。他们之间的关系是一个“一对多”的关系

from sqlalchemy import
Column,Integer,String,Text,ForeignKey
from sqlalchemy.orm import relationship
from db_util import Base,Session
class User(Base):
tablename = ‘t_user’
id =Column(Integer,primary_key=True,autoincrement=True)
uname =Column(String(50),nullable=False,name=‘name’)

news = relationship(‘News’) # 不友好

def repr(self):
return f’<User: id={self.id} uname={self.uname}>’

1对多 ForeignKey的关键字要建立在多一边

class News(Base):
tablename = ‘t_news’
id =Column(Integer,primary_key=True,autoincrement=True)
title =Column(String(50),nullable=False)
content = Column(Text,nullable=False)
uid =Column(Integer,ForeignKey(‘t_user.id’))

user =relationship(‘User’,backref=‘news’) # 将主表的数据注入到这个字段
def repr(self):
return f’<News: id={self.id} title={self.title} content={self.content} uid={self.uid}>’
def create_data():
user = User(uname = ‘sxt’)
news1 =News(title=‘Python’,content=‘flask’,uid = 1)
news2 =News(title=‘MySQL’,content=‘SQL’,uid = 1)
with Session() as ses:
ses.add(user)
ses.commit()
with Session() as ses:
ses.add(news1)
ses.add(news2)
ses.commit()
def query_data():
with Session() as ses:

news1 = ses.query(News).first()

print(news1)

select u.id u.uname from t_news n left join t_user u n.uid = u.id where n.id =

1;
news1 = ses.query(News).first()
uid = news1.uid
user = ses.query(User).first()
print(user)
def query_data2():

通地子表查询主表的数据

with Session() as ses:
news1 = ses.query(News).first()
print(news1.user)
def query_data3():

通地主表查找子表的数据

with Session() as ses:
user1 = ses.query(User).first()
print(user1.news)
if name == ‘main’:

Base.metadata.create_all()

create_data()

query_data()

query_data2()

query_data3()

ORM关系之一对一

在sqlalchemy中，如果想要将两个模型映射成一对一的关系，那么应该在父模型中，指定引用的时候，要传递一个 uselist=False 这个参数进去。就是告诉父模型，以后引用这个从模型的时候，不再是一个列表了，而是一个对象了

class LoginUser(Base):
tablename = ‘t_user_login’
id =Column(Integer,primary_key=True,autoincrement=True)
uname =Column(String(32),nullable=False)
passwd =Column(String(32),nullable=False)

创建1对1的关系, 创建一个字段来做别一个表的标识(外键)

class User(Base):
tablename = ‘t_user’
id =Column(Integer,primary_key=True,autoincrement=True)
name =Column(String(32),nullable=False,name=‘name’)
gender = Column(String(1))
address = Column(String(64))
login_id =Column(Integer,ForeignKey(‘t_user_login.id’))
login_user =relationship(‘LoginUser’,backref=backref(‘user’,uselist=False))

ORM关系之多对多

多对多的关系需要通过一张中间表来绑定他们之间的关系。
先把两个需要做多对多的模型定义出来
使用Table定义一个中间表，中间表一般就是包含两个模型的外键字段就可以了，并且让他们两个来作为一个“复合主键”
在两个需要做多对多的模型中随便选择一个模型，定义一个 relationship属性，来绑定三者之间的关系，在使用relationship 的时候，需要传入一个secondary=中间表对象名

from sqlalchemy import
Column,Integer,String,ForeignKey
from sqlalchemy import Table
from sqlalchemy.orm import
relationship,backref
from db_util import Base,Session

创建第3张表，来建立多对多关系

放到2个模型之上

news_tag = Table(
‘t_news_tag’,
Base.metadata,
Column(‘news_id’,Integer,ForeignKey(‘t_news.id’),primary_key = True),
Column(‘tag_id’,Integer,ForeignKey(‘t_tag.id’),primary_key = True),)
class News(Base):
tablename = ‘t_news’
id =Column(Integer,primary_key=True,autoincrement=True)
title =Column(String(32),nullable=False)
tags =relationship(‘Tag’,backref=‘newss’,secondary= news_tag)
def repr(self):
return f’<News: id={self.id} title={self.title}>’
class Tag(Base):
tablename = ‘t_tag’
id =Column(Integer,primary_key=True,autoincrement=True)
name = Column(String(32),nullable=False)

news =relationship(‘News’,backref=‘tags’,secondary= news_tag)

def repr(self):
return f’<Tag: id={self.id} name={self.name}>’
def create_data():
news1 = News(title = ‘Python更新了！’)
news2 = News(title = ‘SQLAlchemy功能又强大了！’)
tag1 = Tag(name = ‘IT新闻’)
tag2 = Tag(name = ‘科学技术’)
news1.tags.append(tag1)
news1.tags.append(tag2)
news2.tags.append(tag1)
news2.tags.append(tag2)
with Session() as ses:
ses.add(news1)
ses.add(news2)
ses.commit()
def query_data():
with Session() as ses:
news = ses.query(News).first()
print(news.tags)

if name == ‘main’:

Base.metadata.create_all()

create_data()

query_data()

ORM层面删除数据注意事项

ORM层面删除数据，会无视mysql级别的外键约束。直接会将对应的数据删除，然后将从表中的那个外键设置为NULL，也就是数据库的 SET NULL 。如果想要避免这种行为，应该将从表中的外键的 nullable=False 。

from sqlalchemy import Column, Integer,
String, ForeignKey
from sqlalchemy.orm import relationship
from db_util import Base, Session
class User(Base):
tablename = ‘t_user’
id = Column(Integer, primary_key=True,autoincrement=True)
name = Column(String(32))
class Article(Base):
tablename = ‘t_article’
id = Column(Integer, primary_key=True,autoincrement=True)
title = Column(String(32))
uid = Column(Integer,ForeignKey(“t_user.id”))

uid = Column(Integer,ForeignKey(“t_user.id”),nullable = False)

user =relationship(‘User’,backref=‘articles’)
def create_data():
Base.metadata.drop_all() # 删除已有的表
Base.metadata.create_all() # 创建表

初始化数据

user = User(name=‘zs’)
art1 = Article(title=‘Python’, uid=1)
art2 = Article(title=‘MySQL’, uid=1)
user.articles.append(art1)
user.articles.append(art2)
with Session() as ses:
ses.add(user)
ses.commit()

def delete_data():

默认删除主表数据时，会将子表的引用主表数据的外键设置Null

with Session() as ses:
user = ses.query(User).first()
ses.delete(user)
ses.commit()
if name == ‘main’:

create_data()

delete_data()

ORM层面的relationship方法中cascade

在SQLAlchemy，只要将一个数据添加到session中，和他相关联的数据都可以一起存入到数据库中了。这些是怎么设置的呢？其实是通过relationship的时候，有一个关键字参数cascade可以设置这些属性，

cascade属性值为：

save-update：默认选项。在添加一条数据的时候，会把其他和他相关联的数据都添加到数据库中。这种行为就是save-update属性影响的。

delete：表示当删除某一个模型中的数据的时候，是否也删掉使用 relationship和他关联的数据。 delete-orphan：表示当对一个ORM对象解除了父表中的关联对象的时候，自己便会被删除掉。当然如果父表中的数据被删除，自己也会被删除。这个选项只能用在一对多上，并且还需要在子模型中的relationship中，增加一个single_parent=True的参数。

merge：默认选项。当在使用session.merge，合并一个对象的时候，会将使用了relationship相关联的对象也进行merge操作。

expunge：移除操作的时候，会将相关联的对象也进行移除。这个操作只是从session中移除，并不会真正的从数据库中删除。

all：是对save-update, merge, refresh-expire, expunge, delete 几种的缩写。

from sqlalchemy import Column, Integer,
String, ForeignKey
from sqlalchemy.orm import
relationship,backref
from db_util import Base, Session
class User(Base):
tablename = ‘t_user’
id = Column(Integer, primary_key=True,autoincrement=True)
name = Column(String(32))

articles =relationship(‘Article’,backref=‘user’,cascade=‘’)

articles =relationship(‘Article’,backref=‘user’,cascade=‘save-update’) # 默认cascade的值是saveupdate

articles =relationship(‘Article’,backref=‘user’,cascade=‘save-update,delete’) #delete可以帮助删除关联表的数据

articles =relationship(‘Article’,backref=‘user’,cascade=‘save-update,delete,deleteorphan’,single_parent=True) # 当关联关系被解除时，子表数据会被清空

class Article(Base):
tablename = ‘t_article’
id = Column(Integer, primary_key=True,autoincrement=True)
title = Column(String(32))
uid = Column(Integer,ForeignKey(“t_user.id”))

user =relationship(‘User’,backref=‘articles’,cascade=‘save-update,delete’) # 会把主表的数据删除

user =relationship(‘User’,backref=backref(‘articles’,cascade=‘saveupdate,delete,deleteorphan’))
def create_data():
Base.metadata.drop_all() # 删除已有的表
Base.metadata.create_all() # 创建表

初始化数据

user = User(name=‘SXT’)
art1 = Article(title=‘Python’, uid=1)
art2 = Article(title=‘MySQL’, uid=1)
user.articles.append(art1)
user.articles.append(art2)

保存数据

with Session() as ses:
ses.add(user)
ses.commit()

def delete_data():
with Session() as ses:
user = ses.query(User).first()
ses.delete(user)
ses.commit()
def delete_art():
with Session() as ses:
art = ses.query(Article).first()
ses.delete(art)
ses.commit()
def update_data():
with Session() as ses:
user = ses.query(User).first()
user.articles = []
ses.commit()
if name == ‘main’:

create_data()

delete_data()

update_data()

delete_art()

排序

order_by方法排序：可以指定根据模型中某个属性进行排序，"模型名.属性名.desc()"代表的是降序排序。

relationship的方法中order_by属性：在指定relationship方法的时候，添加order_by属性来指定排序的字段。

方式1：order_by方法指定

升序

users =ses.query(User).order_by(User.age).all()

降序

users =ses.query(User).order_by(User.age.desc()).all()

方式2：涉及两表时，定义模型时，用relationship方法中的 order_by属性指定排序方式

from random import randint
from sqlalchemy import
Column,Integer,String,ForeignKey
from sqlalchemy.orm import
relationship,backref
from db_util import Base,Session
class User(Base):
tablename = ‘t_user’
id = Column(Integer,primary_key=True,autoincrement=True)
name = Column(String(32))
age = Column(Integer)
def repr(self):
return f’<User: id={self.id} name={self.name} age={self.age}>’
class News(Base):
tablename = ‘t_news’
id =Column(Integer,primary_key=True,autoincrement=True)
title =Column(String(32),nullable=False)
content =Column(String(32),nullable=False)
read_count = Column(Integer)
uid =Column(Integer,ForeignKey(‘t_user.id’))
user =relationship(‘User’,backref=backref(‘newss’,order_by=read_count))
def repr(self):
return f’<User: id={self.id} title={self.title} content={self.content} read_count={self.read_count}>’
def create_user():
with Session() as ses:
for i in range(10):
user = User(name = f’用户{i}',age= randint(6,20))
ses.add(user)

for i in range(10):
news = News(title = f’新闻{i}',content = ‘新闻’,read_count =randint(1,1000))
user.newss.append(news)
ses.commit()
def query_user():
with Session() as ses:
users = ses.query(User).all()
for i in users[-1].newss:
print(i)
if name == ‘main’:

Base.metadata.drop_all()

Base.metadata.create_all()

create_user()

query_user()

注意 __mapper_args__ 参数的1.1版本已被抛弃

limit、offset、slice使用

limit：可以限制查询的时候只查询前几条数据。属top-N查询
offset：可以限制查找数据的时候过滤掉前面多少条。可指定开始查询时的偏移量。
切片：可以对Query对象使用切片操作，来获取想要的数据。

可以使用 slice(start,stop) 方法来做切片操作。
也可以使用 [start:stop] 的方式来进行切片操作。
一般在实际开发中，中括号的形式是用得比较多的。

from random import randint
from sqlalchemy import Column,Integer,String
from db_util import Base,Session
class News(Base):
tablename = ‘t_news’
id =Column(Integer,primary_key=True,autoincrement=True)
title =Column(String(32),nullable=False)
content =Column(String(32),nullable=False)
read_count = Column(Integer)
def repr(self):
return f’<User: id={self.id} title={self.title} content={self.content} read_count={self.read_count}>’
def create_data():
Base.metadata.drop_all()
Base.metadata.create_all()
with Session() as ses:
for i in range(10):
news = News(title=f’title{i}‘,content=f’info{i}’,read_count= randint(0,1000))
ses.add(news)
ses.commit()
def query_by_limit():
with Session() as ses:
newss = ses.query(News).limit(3).all()
for n in newss:
print(n)
def query_by_offset():
with Session() as ses:
newss = ses.query(News).offset(3).all()
for n in newss:
print(n)
def query_by_page():

limit topN数据

offset 跳过n数据

分页效果 1-3 4-6 7-9

3 0 1 (pagenum-1)*pagesize

3 3 2 (2-1)*3 = 3

3 6 3 (3-1)*3 = 6

3 9 4 (4-1)*3 = 6

with Session() as ses:

(pagenum-1)*pagesize

newss = ses.query(News).limit(3).offset(3).all()
for n in newss:
print(n)
def query_by_slice():
with Session() as ses:

从哪个索引开始,到哪个索引结束

newss = ses.query(News).slice(3,6).all()
for n in newss:
print(n)
def query_by_qiepian():
with Session() as ses:

从哪个索引开始,到哪个索引结束

newss = ses.query(News).all()[3:6]
for n in newss:
print(n)
if name == ‘main’:

create_data()

query_by_limit()

query_by_offset()

query_by_page()

query_by_slice()

query_by_qiepian()

懒加载

在一对多，或者多对多关系的时候，如果想要获取多的一方这一部分的数据的时候，往往能通过一个属性就可以全部获取了。如有一个作者，想要这个作者的所有文章，通过user.articles就可以获取所有的但有时候我们不想获取所有的数据，如只想获取这个作者今天发表的文章，那么这时候我们可以给relationship方法添加属性 lazy=‘dynamic’ ，以后通过 user.articles 获取到的就不是一个列表，而是一个 AppenderQuery对象了。这样就可以对这个对象再进行一层过滤和排序等操作通过 lazy=‘dynamic’ ，获取出来的多的那一部分的数据，就是一个 AppenderQuery 对象了。这种对象既可以添加新数据，也可以跟 Query 一样，可以再进行一层过滤.

lazy可用的选项：

1 select ： (默认) 后台会用select语句一次性加载所有数据，即访问到属性的时候，就会全部加载该属性的数据

2 joined - 数据会被JOIN语句加载，即对关联的两个表进行join操作，从而获取到所有相关的对象 3 subquery - 数据被用subquery子查询SQL语句加载

4 dynamic ：这个也是懒加载。在访问属性的时候，并不在内存中加载数据，而是返回一个 AppenderQuery 对象, 需要执行相应方法才可以获取对象。适用于数据量大的时候

注意

lazy=“dynamic” 只可以用在一对多和多对对关系中，不可以用在一对一和多对一中。这样也合理：如果返回结果很少的话，就没必要延迟加载数据了。

from random import randint
from sqlalchemy import
Column,Integer,String,ForeignKey
from sqlalchemy.orm import
relationship,backref
from db_util import Base,Session
class User(Base):
tablename = ‘t_user’
id = Column(Integer,primary_key=True,autoincrement=True)
name = Column(String(32))
age = Column(Integer)
def repr(self):
return f’<User: id={self.id} name={self.name} age={self.age}>’
class News(Base):
tablename = ‘t_news’
id =Column(Integer,primary_key=True,autoincrement=True)
title =Column(String(32),nullable=False)
content =Column(String(32),nullable=False)
read_count = Column(Integer)
uid =Column(Integer,ForeignKey(‘t_user.id’))
user =relationship(‘User’,backref=backref(‘newss’,lazy=‘dynamic’))
def repr(self):
return f’<News: id={self.id} title={self.title} content={self.content} read_count={self.read_count}>’
def create_data():
with Session() as ses:
for i in range(10):
user = User(name =f’name{i}‘,age = randint(6, 30))
ses.add(user)
for i in range(10):
news =News(title=f’title{i}’,content=f’info{i}',read_count= randint(0,1000))
user.newss.append(news)
ses.commit()
def query_data():
with Session() as ses:
users = ses.query(User)
print(users)
print(type(users))
def query_data2():
with Session() as ses:
users = ses.query(User).all()
print(users[-1].newss)
print(type(users[-1].newss))
def query_data3():

‘lazy = select 默认不能2次过滤’

with Session() as ses:
users = ses.query(User).all()
newss =users[-1].newss.filter(News.read_count >500).all()
print(newss)

if name == ‘main’:

Base.metadata.drop_all()

Base.metadata.create_all()

create_data()

query_data2()

query_data3()

分组group_by和过滤分组having

group_by

根据某个字段进行分组。如想要根据年龄进行分组，来统计每个分组分别有多少人

r =session.query(User.age,func.count(User.id)).group_by(User.age).all()

having having

是对分组查找结果作进一步过滤。如只想要看未成年人的人数，那么可以首先对年龄进行分组统计人数，然后再对分组进行having 过滤。

r =session.query(User.age,func.count(User.id)).group_by(User.age).having(User.age < 18).all()

from random import randint
from sqlalchemy import
Column,Integer,String,ForeignKey,func
from sqlalchemy.orm import
relationship,backref
from db_util import Base,Session
class User(Base):
tablename = ‘t_user’
id = Column(Integer,primary_key=True,autoincrement=True)
name = Column(String(32))
age = Column(Integer)
def repr(self):
return f’<User: id={self.id} name={self.name} age={self.age}>’
def create_data():
Base.metadata.drop_all()
Base.metadata.create_all()
with Session() as ses:
for i in range(10):
user = User(name =f’name{i}',age = randint(6, 30))
ses.add(user)
ses.commit()
def query_by_age():

统计每个年龄的人数

with Session() as ses:
user =ses.query(User.age,func.count(User.id)).group_by(User.age).all()
print(user)
def query_by_age_gt_18():
#统计每个年龄的人数，要求排除未成年人
with Session() as ses:
user =ses.query(User.age,func.count(User.id)).group_by(User.age).having(User.age>18).all()
print(user)
def query_by_age_lt_18():

统计每个年龄的人数，要求未成年人

with Session() as ses:
user =ses.query(User.age,func.count(User.id)).group_by(User.age).having(User.age<18).all()
print(user)
if name ==‘main’:

create_data()

query_data()

query_by_age_gt_18()

query_by_age_lt_18()

Flask-SQLAlchemy的使用

Flask-SQLAlchemy是一个插件， Flask-SQLAlchemy是对SQLAlchemy进行了一个简单的封装的一个插件，使得我们在flask中使用sqlalchemy更加的简单。

安装 pip install flask-sqlalchemy

Flask-SQLAlchemy的使用要点

数据库连接

数据库初始化不再是通过create_engine。

1 跟sqlalchemy一样，定义好数据库连接字符串DB_URI。

2 将这个定义好的数据库连接字符串DB_URI，通过 SQLALCHEMY_DATABASE_URI 这个key名配置到 app.config 中。

app.config[“SQLALCHEMY_DATABASE_URI”] =DB_URI

3 使用 flask_sqlalchemy.SQLAlchemy 这个类定义一个对象，并将 app 传入进去。

db = SQLAlchemy(app)

创建ORM模型类

之前都是通过Base = declarative_base()来初始化一个基类，然后再继承，在Flask-SQLAlchemy中更加简单了

1 还是跟使用sqlalchemy一样，定义模型。现在不再是需要使用 delarative_base 来创建一个基类。而是使用 db.Model 来作为基类

2 在模型类中， Column 、 String 、 Integer 以及 relationship 等，都不需要导入了，直接使用 db 下面相应的属性名就可以了

3 在定义模型的时候，可以不写 __tablename__ ，那么 flask_sqlalchemy 会默认使用当前的模型的名字转换成小写来作为表的名字

并且如果这个模型的名字用到了多个单词并且使用了驼峰命名法，那么会在多个单词之间使用下划线来进行连接

将ORM模型映射到数据库表

写完模型类后，要将模型映射到数据库的表中，使用以下代码即可

删除数据库表： db.drop_all()
创建数据库表： db.create_all()

session的使用

以后session也不需要使用 sessionmaker 来创建了，直接使用 db.session 就可以了，操作这个session的时候就跟之前的 sqlalchemy 的 session 是一样一样的。

添加数据

这时候就可以在数据库中看到已经生成了对应表了添加数据和之前的没有区别，只是session成为了一个db的属性

查询数据

1 单表查询:查询数据不再是之前的session.query方法了，而是将query属性放在了db.Model上，所以查询就是通过“模型名.query”的方式进行查询了， query 就跟之前的sqlalchemy中的query方法是一样用的。

2 多表查询: 如果查找数据涉及多个模型，只能使用db.session.query(模型名).all() 这种方式

修改数据 ：修改数据和之前的没有区别，只是session成为了一个db的属性

删除数据： 删除数据跟添加数据和修改数据类似，只不过session是db的一个属性而已

from flask import Flask
from flask_sqlalchemy import SQLAlchemy
app = Flask(name)

数据库的变量

HOST = ‘192.168.30.151’ # 127.0.0.1/localhost
PORT = 3306
DATA_BASE = ‘flask_db’
USER = ‘root’
PWD = ‘123’
DB_URI = f’mysql+pymysql://{USER}:{PWD}@{HOST}:{PORT}/{DATA_BASE}’
app.config[‘SQLALCHEMY_DATABASE_URI’] =DB_URI
app.config[‘SQLALCHEMY_TRACK_MODIFICATIONS’]= False

链接数据库

db = SQLAlchemy(app)

创建模型类

class User(db.Model):
tablename = ‘t_user’ # flask_alchemy 可以忽略不写
id = db.Column(db.Integer,primary_key =True,autoincrement = True)
name = db.Column(db.String(32))
def repr(self):
return f’’
class News(db.Model):
tablename = ‘t_news’ # flask_alchemy 可以忽略不写
id = db.Column(db.Integer,primary_key =True,autoincrement = True)
content = db.Column(db.String(100))
uid =db.Column(db.Integer,db.ForeignKey(‘t_user.id’))
user =db.relationship(‘User’,backref=‘newss’)
def repr(self):
return f’’

删除表

db.drop_all()

创建表

db.create_all()

增加数据

def create_data():
user = User(name = ‘zs’)
news = News(content = ‘Python内容’)
user.newss.append(news)
db.session.add(user)
db.session.commit()

查询单表数据

def query_data_one():
users = User.query.all()
print(users)

查询多表

def query_data_many():
rs =db.session.query(User,News.content).join(News,News.uid == User.id).all()
print(rs)

修改数据

def update_data():
user = User.query.first()
user.name = ‘lisi’
db.session.commit()

删除数据

def delete_data():
news = News.query.first()
db.session.delete(news)
db.session.commit()
if name == “main”:

create_data()

query_data_one()

query_data_many()

update_data()

delete_data()

Flask-Migrate

介绍

flask-migrate是flask的一个扩展模块，主要是扩展数据库表结构的。 flask-migrate是基于Alembic进行的一个封装，并集成到Flask中，所有的迁移操作其实都是Alembic做的，他能跟踪模型的变化，并将变化映射到数据库中。

安装 pip install flask-migrate

使用方法模型类

from flask import Flask
from flask_sqlalchemy import SQLAlchemy
app = Flask(name)

数据库的变量

HOST = ‘192.168.30.151’ # 127.0.0.1/localhost
PORT = 3306
DATA_BASE = ‘flask_db’
USER = ‘root’
PWD = ‘123’
DB_URI = f’mysql+pymysql://{USER}:{PWD}@{HOST}:{PORT}/{DATA_BASE}’

mysql+pymysql://root:123@192.168.30.151/flask_db

app.config[‘SQLALCHEMY_DATABASE_URI’] =DB_URI
app.config[‘SQLALCHEMY_TRACK_MODIFICATIONS’]= False
db = SQLAlchemy(app)

创建模型类

class User(db.Model):
tablename = ‘t_user’
id = db.Column(db.Integer,primary_key =True,autoincrement = True)
name = db.Column(db.String(32))
age = db.Column(db.Integer)
def repr(self):
return f’’
from flask_migrate import Migrate
Migrate(app,db)

注意创建Migrate(app,db)对象

创建迁移仓库

这个命令会创建migrations文件夹，所有迁移文件都放在里面。

flask db init

生成脚本文件

flask db migrate

更新数据库

flask db upgrade

返回以前的版本

flask db downgrade version_

Flask项目结构重构

一个良好的项目结构努力可以清晰的看出来各个模块的作用，方便扩展，易于修改虽然Flask并没有强制要求开发者项目的目录层次结构应该是怎么样的，但是如果我们以包和模块的形式组织项目的话，后期的开发会非常的有条理。

项目结构

基本结构如下：可根据实际需求做微小调整。

注意****1

整个程序的包目录名不能为 app ,不然会报 Error: Failed to find Flask application or factory in module ‘app’. Use ‘FLASK_APP=app:name’ to specify one.

注意2

项目启动控制文件名为 app.py ,不然会报 Error: Could not locate a Flask application. You did not provide the “FLASK_APP” environment variable, and a “wsgi.py” or “app.py” module was not found in the current directory.

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上鸿蒙开发知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化的资料的朋友，可以戳这里获取

t(rs)

修改数据

def update_data():
user = User.query.first()
user.name = ‘lisi’
db.session.commit()

删除数据

def delete_data():
news = News.query.first()
db.session.delete(news)
db.session.commit()
if name == “main”:

create_data()

query_data_one()

query_data_many()

update_data()

delete_data()

Flask-Migrate

介绍

安装 pip install flask-migrate

使用方法模型类

from flask import Flask
from flask_sqlalchemy import SQLAlchemy
app = Flask(name)

数据库的变量

HOST = ‘192.168.30.151’ # 127.0.0.1/localhost
PORT = 3306
DATA_BASE = ‘flask_db’
USER = ‘root’
PWD = ‘123’
DB_URI = f’mysql+pymysql://{USER}:{PWD}@{HOST}:{PORT}/{DATA_BASE}’

mysql+pymysql://root:123@192.168.30.151/flask_db

app.config[‘SQLALCHEMY_DATABASE_URI’] =DB_URI
app.config[‘SQLALCHEMY_TRACK_MODIFICATIONS’]= False
db = SQLAlchemy(app)

创建模型类

注意创建Migrate(app,db)对象

创建迁移仓库

这个命令会创建migrations文件夹，所有迁移文件都放在里面。

flask db init

生成脚本文件

flask db migrate

更新数据库

flask db upgrade

返回以前的版本

flask db downgrade version_

Flask项目结构重构

项目结构

基本结构如下：可根据实际需求做微小调整。

注意****1

整个程序的包目录名不能为 app ,不然会报 Error: Failed to find Flask application or factory in module ‘app’. Use ‘FLASK_APP=app:name’ to specify one.

注意2

项目启动控制文件名为 app.py ,不然会报 Error: Could not locate a Flask application. You did not provide the “FLASK_APP” environment variable, and a “wsgi.py” or “app.py” module was not found in the current directory.

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

[外链图片转存中…(img-ZqFspZfs-1715809570727)]
[外链图片转存中…(img-alFUF8NM-1715809570727)]

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上鸿蒙开发知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化的资料的朋友，可以戳这里获取