()用于创建python与数据库之间的联系_Python与数据库的新人手册 -- MySQL

Python支持的数据库有不少，MySQL做为主流数据库之一，咱们不妨了解下它们之间的小故事

Python操做MySQL的库有三个，python-MySQL(MySQLdb)，PyMySQL跟SQLAlchemy。python

python2中通常使用python-MySQL(MySQLdb)，核心由C语言打造，性能最好，缺点是安装复杂，已中止更新，不支持python3。

PyMySQL为代替它而生，纯python打造，安装方便，支持python3。

SQLAlchemy是一个ORM框架，ORM框架的做用就是把数据库表的一行记录与一个对象互相作自动转换，它自己没法操做数据库，而是要依赖于MySQLdb、PyMySQL等第三方库来完成，目前SQLAlchemy在Web编程领域应用普遍。

本文将主要拿SQLAlchemy来进行了解学习。mysql

安装工具

首先安装基本的数据库驱动pymysqlsql

pip3 install pymysql

而后安装ORM框架SQLAlchemy数据库

pip3 install sqlalchemy

平常工做中，若是不想每次经过命令行来查看数据的话。推荐安装Navicat for MySQL，经过这个图形化工具可以方便快捷地操做数据库，实时查询数据。编程

初始化数据库

安装好必要工具后，咱们开始尝试建立个用户数据user表来。

首先，使用SQLAlchemy链接数据库并定义表结构初始化DBSession。session

# 导入SQLAlchemy

from sqlalchemy import Column, BIGINT, String, create_engine

from sqlalchemy.orm import sessionmaker

from sqlalchemy.ext.declarative import declarative_base

# 建立基类

Base = declarative_base()

# 初始化数据库链接:

# '数据库类型+数据库驱动名称://用户名:密码@数据库地址:端口号/数据库名'

engine = create_engine('mysql+pymysql://root:123123@mysql:3306/test')

# 建立DBSession类型:

DBSession = sessionmaker(bind=engine)

# 建立session对象:

session = DBSession()

# 数据库操做方法

# 初始化数据库

def init_db():

Base.metadata.create_all(engine)

# 删除数据库

def drop_db():

Base.metadata.drop_all(engine)

创建user数据表模型：框架

# 定义user类

class User(Base):

# 表名

__tablename__ = "user"

# 表的结构

# 设置id为主键 并自增加

id = Column(BIGINT, primary_key=True, autoincrement=True)

name = Column(String(20))

gender = Column(String(2))

# 正式初始化数据库，若是没有user表的话，这里将自动建立

init_db()

这里有个须要注意的地方就是在初始化数据库以前须要先定义user数据表模型，不然的话没法正常建立user数据表。

session(会话)，能够当作一个管理数据库持久链接的对象，后面的操做都将基于session对象进行。函数

若是使用INT自增类型，那么当一张表的记录数超过2147483647(约21亿)时，会达到上限而出错。使用BIGINT自增类型则能够最多约922亿亿条记录。

增删改查操做

增

初始化ORM对象后，咱们插入一条记录试试。工具

# 建立新User对象:

new_user = User(name='mrlizi', gender='man')

# 添加到session:

session.add(new_user)

# 批量添加

session.add_all([

User(name='子非鱼', gender='M'),

User(name='虞姬', gender='F'),

User(name='花木兰', gender='F')

])

# 提交即保存到数据库:

session.commit()

结果：性能

查

Session的query函数会返回一个Query对象。query函数能够接受多种参数类型。

# query: 输出全部的用户名

result = session.query(User.name)

# order: 按倒序输出全部用户

result = session.query(User).order_by(User.id.desc())

result = session.query(User).order_by(-User.id)

# label: 自定义字段名,查询结果可经过item.my_name来获取用户名

for item in session.query(User.name.label('my_name')).all()

# filter和filter_by: 筛选用户名为'mrlizi'的用户

result = session.query(User).filter(User.name=='mrlizi').one()

result = session.query(User).filter_by(name='mrlizi').one()

# offset和limit：组合起来可作分页查询(经过python的切片其实也同样)，下面的两种语句的查询结果是相同的

result = session.query(User).offset(2).limit(1).all()

result = session.query(User)[1:3]

# AND: 与查询

result = session.query(User).filter(and_(User.name=='mrlizi', User.gender=='M')).all()

result = session.query(User).filter(User.name=='mrlizi', User.gender=='M')

result = session.query(User).filter(User.name=='mrlizi').filter(User.gender=='M').all()

# OR: 或查询

result = session.query(User).filter(or_(User.name == '子非鱼', User.name == '花木兰'))

# 模糊查询

result = session.query(User).filter(User.name.like('子%')).all()

基本平常用到的查询方法就是这些，面向对象操做的用法都比较灵活多变，你们能够根据不一样的场景自由组合。

改

相比去查询来说，修改就显得简单不少，找到命中的记录，而后经过update方法来进行修改。

update方法的synchronize_session参数用于在更新数据后是否对当前的session进行更新，

synchronize_session = False 不一样步更新当前session

synchronize_session = 'fetch' 更新以前从数据库中拉取实时数据，更新到session对象

synchronize_session = 'evaluate' 更新以前先记录符合的对象，更新完后对记录的对象进行删除。(意思是不与数据库进行同步更新，仅更新当前的session记录)

# 方法一

session.query(User).filter(User.name == 'mrlizi').update({'name': '李白'})

# 方法二

user = session.query(User).filter(User.name == '李白').first()

user.name = '铠'

# 操做方式

result = session.query(User).filter(User.name == '虞姬').update({User.name: '孙尚香'}, synchronize_session='fetch')

# 提交

session.commit()

删

删除的话，无非就是查询到目标记录，而后进行删除。

# 使用查询语句，filter是where条件，最后调用delete()进行删除记录:

session.query(User).filter_by(name="铠").delete()

session.commit()

关联表查询

MySQL做为关系型数据库，能够经过设置外键来进行多个表互相关联查询。相应的，SQLAlchemy也提供了对象之间的一对1、一对多、多对多关联功能。

一对多

在SQLAlchemy的一对多关系中，使用ForeignKey()来表示表的外键，relationship()表示表与表之间关联的属性。

def one_to_many():

# 定义user类

class User(Base):

# 表名

__tablename__ = "user"

# 表的结构

# 设置id为主键 并自增加

id = Column(BIGINT, primary_key=True, autoincrement=True)

name = Column(String(20))

# 定义用户关注的公众号属性，指明二者的关系

account = relationship('Account', back_populates="user")

class Account(Base):

__tablename__ = 'account'

id = Column(BIGINT, primary_key=True, autoincrement=True)

name = Column(String(20))

# 设置外键关联到user表的:

user_id = Column(BIGINT, ForeignKey('user.id'))

# 定义 Account 的 user 属性，指明二者关系

user = relationship("User", back_populates="account")

# 清空数据库并从新初始化

drop_db()

init_db()

mrlizi = User(name='mrlizi')

mrlizi.account = [

Account(name='攻城狮峡谷'),

Account(name='zone7')

]

session.add(mrlizi)

result = session.query(User).filter(User.name == 'mrlizi').one()

for item in result.account:

print(item.name)

result = session.query(Account).filter(Account.name == '攻城狮峡谷').one()

print(result.user.name)

session.commit()

one_to_many()

上面代码的实现过程：

创建一对多数据表模型

将以前的数据清空后从新初始化，用新的表模型建立个新的user，并添加关注的公众号account

增长name为mrlizi的user表记录，同时建立相关联的公众号信息记录。

经过user表查询相关联的公众号数据

经过account表查询相关联的用户数据

一对一

一对一其实就是两个表互相关联，咱们只须要在一对多关系基础上的父表中使用uselist参数来表示。实现代码以下：

def one_to_one():

# 定义user类

class User(Base):

__tablename__ = "user"

id = Column(BIGINT, primary_key=True, autoincrement=True)

name = Column(String(20))

account = relationship('Account', uselist=False, back_populates="user")

# 公众号类

class Account(Base):

__tablename__ = 'account'

id = Column(BIGINT, primary_key=True, autoincrement=True)

name = Column(String(20))

# 设置外键关联到user表的:

user_id = Column(BIGINT, ForeignKey('user.id'))

# 定义 Account 的 user 属性，指明二者关系

user = relationship("User", back_populates="account")

# 清空数据库并从新初始化

drop_db()

init_db()

# 添加记录

user = User(name='子非鱼')

user.account = Account(name='攻城狮峡谷')

session.add(user)

session.commit()

# 查询

result = session.query(User).filter(User.name == '子非鱼').one()

print(result.account.name)

# 输出：

# 攻城狮峡谷

one_to_one()

多对多

多对多是经过两个表之间增长一个关联的表来实现，这个关联表使用MetaData对象来与两个表关联，并用ForeignKey参数指定连接来定位到两个不一样的表，两个不一样的表则在relationship()方法中经过secondary参数来指定关联表。

def many_to_many():

# 关联表

association_table = Table('association', Base.metadata,

Column('user_id', BIGINT, ForeignKey('user.id')),

Column('account_id', BIGINT, ForeignKey('account.id'))

)

class User(Base):

__tablename__ = "user"

id = Column(BIGINT, primary_key=True, autoincrement=True)

name = Column(String(20))

accounts = relationship('Account', secondary=association_table, back_populates="users")

class Account(Base):

__tablename__ = 'account'

id = Column(BIGINT, primary_key=True, autoincrement=True)

name = Column(String(20))

users = relationship("User", secondary=association_table, back_populates="accounts")

# 清空数据库并从新初始化

drop_db()

init_db()

# 建立记录

user1 = User(name='子非鱼')

user2 = User(name='zone')

user3 = User(name='mrlizi')

account1 = Account(name='攻城狮峡谷')

account2 = Account(name='zone7')

# 关联记录

user1.accounts = [account1]

user2.accounts = [account1, account2]

user3.accounts = [account2]

# 添加并保存

session.add(user1)

session.add(user2)

session.add(user3)

session.commit()

# 双向查询

result1 = session.query(User).filter(User.name == 'zone').one()

for item in result1.accounts:

print(item.name)

result2 = session.query(Account).filter(Account.name == '攻城狮峡谷').one()

for item in result2.users:

print(item.name)

many_to_many()

总结

MySQL做为主流的数据库之一，咱们不必定说要多深刻去研究它的使用，但起码的了解仍是要有的。并且python中使用MySQL仍是挺简单的，代码敲着敲着就会了。