只有Python女程序员才知道的PonyORM

开发项目时，经常会用到ORM，而Python里能用的ORM其实也没几个，以我目前的开发经验来看，比较顺手的ORM有Django内置的那个，或是写Flask时，可以配合使用大佬封装好的Flask-SQLAlchemy。而它们都与框架绑定，当你想在Web应用之外的项目里使用ORM，体验就没这么优雅了。当你要直接使用SQLAlchemy时，它才向你展现出它的利爪和尖牙——这玩意实在是太特么难用了。

当然，人一切的痛苦，都是对自己无能的愤怒。SQLAlchemy有着极其强大且丰富的功能，同时也有着与之相匹配的较高的复杂度和上手难度(如果没有Flask-SQLAlchemy这样的东西，光是自己折腾session管理，就能耗费掉无数的青春)，用不明白，只能说明自己菜。

面对着像大辞海一样的SQLAlchemy文档，我不禁陷入沉思—— 人活着到底是为了什么 。ORM原本是为了降低心智负担，提高开发效率和质量，而用这么复杂的一个东西，我的开发效率已经不知道低到哪里去了。更何况用Flask这样轻量化的框架，配合这样重量级的ORM，怎样都觉得十分怪异。

直到我遇到了她。

不对，似乎放错图了。

PonyORM 是我最近开始尝试在实际项目中使用的ORM，它优雅的使用方式，简单的上手难度，以及不错的开发效率，让我眼前一亮，相当Pythonic！

其实以前曾经听说过这玩意，但当时它是以AGPLv3授权，就没去关注，但在2016年底的0.7版本开始，改为了Apache 2.0许可，这样就友好了许多，值得一用了。

简单描述一下它的特性：

• 方便的查询书写方式（基于解析lambda和生成器语法树的黑魔法）
• 简洁的Model定义方式（大部分基于语言内置类型进行定义）
• 自动的数据库事务管理
• 支持MySQL, PostgreSQL, Oracle, SQLite数据库
• 在线的图形化Model编辑器 Online Editor 。可以通过画ER图来定义你的模型数据表和它们之间的关系，自动生成class代码，以及几种数据库的建表语句

例子：博客应用

那么接下来以一个常见的博客应用为例，来看看如何使用这个PonyORM，这里不涉及web，仅包含与orm相关的部分。PonyORM更复杂的使用方式以及介绍请参考它的 文档 。

安装

pip install ponyorm

如果你用MySQL，需要装个相应的底层驱动 pymysql ，其他的数据库类似，具体参考文档 Connecting to the Database 。

导入

from pony.orm import *

数据库连接

# 创建数据库对象 db = Database()
# 建立数据库连接db.bind(provider='mysql', host='localhost', user='user', passwd='pass', db='mydb')

定义模型

class Post(db.Entity): post_pk = PrimaryKey(int, auto=True) title = Required(str) content = Optional(LongStr) published_at = Required(datetime, default=datetime.now) categories = Set("Category") comments = Set("Comment")
class Category(db.Entity): name = Required( str) posts = Set("Post")
class Comment(db.Entity): post = Optional(Post) content = Required( str) published_at = Required(datetime, default=datetime.now)

对于关联关系，它自动帮你生成外键，以及关联表。如果你没指定主键字段，它会生成一个默认的自增主键字段。

生成mapping并建表

db.generate_mapping(create_tables=True)

插入数据

with db_session: Post(title="第一篇文章", content="Hello world") commit()

所有对数据库的读写都要在db_sesion中进行，除了通过with当作context manager使用，也可以作为装饰器，让db_session对整个函数中有效（并且db_session允许嵌套）

更新了数据记得commit提交。

@db_session def create_post(title, content): Post(title=title, content=content) commit()create_post(title="第2篇文章", content="Hello world too")create_post(title="第3篇文章", content="Hello world 3")

修改数据

with db_session: p = Post. get(post_pk=1) # 使用 get来获取一条数据，如果没有查到会返回None p.content = "new content" commit()

关联数据操作

给第一篇post添加一些评论吧。

with db_session: p = Post.get(post_pk=1) Comment( content="你瞅啥", post=p) Comment( content="瞅你咋地", post=p) commit() # 查看关联的数据 print(p.comments)

之后就可以通过 p.comments 取到与之关联的评论。

那么再来试试多对多关系。

with db_session: c1 = Category(name="tech") c2 = Category(name="blog") commit() Post(title="第5篇文章", content="Hello world too", categories=[c1]) Post(title="第6篇文章", content="Hello world 3", categories=[c1, c2]) commit() # 查看关联的数据 print( Category["tech"].posts) # 这个 Category["tech"]等同于Category.get("tech") print(Post[6].categories)

删除

调用Entity实例的 .delete() 方法可以删掉这条数据。如果需要把相关联的数据一并删掉，需要在定义model字段的时候加上 cascade_delete=True 的参数。

with db_session: Category["tech"].delete() commit()

查询

PonyORM的查询方式比较魔性，和别的ORM有较大区别，这里给个简单的例子看看样子。

用Entity对象上的select方法，传入lambda表达式进行查询，查了id大于2并且内容包含"world"的条目。

with db_session: query = Post.select( lambda p: p.post_pk > 2 and "world" in p.content) print(list(query)) # 将query对象转为list，触发真正的查询获取数据

使用另一种方式用select函数，传入一个生成器表达式作为参数，查询了以"咋地"结尾的Comment。

with db_session: query = select(p.content for p in Comment if p.content.endswith("咋地")) print( query[:]) # 另一种转 list的方式

使用SQL直接查询。

with db_session: query = Category.select_by_sql(" SELECT * FROM category LIMIT 1") print(query[:])

总结

PonyORM的魔法黑到飞起，写起来还是比较爽的，但由于没有太过深入使用过这个框架，这些黑魔法在复杂查询时效果未知（实在不行你可以直接写raw sql嘛，感觉也没太大问题）。我目前在公司的项目中已经用它替换掉了SQLAlchemy，目前感觉良好，运行比较平稳，还没踩到什么坑。（FLAG）

那么欢迎你也成为爱马仕，一起踩坑~★