python和mysql的关系图_Python与数据库的新人手册 -- MySQL

Python支持的数据库有很多，`MySQL`作为主流数据库之一，我们不妨了解下它们之间的交互操作。

Python操作MySQL的库有三个，python-MySQL(MySQLdb)，PyMySQL跟SQLAlchemy。 python2中一般使用python-MySQL(MySQLdb)，核心由C语言打造，性能最好，缺点是安装复杂，已停止更新，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框架的作用就是把数据库表的一行记录与一个对象互相做自动转换，它本身无法操作数据库，而是要依赖于MySQLdb、PyMySQL等第三方库来完成，目前SQLAlchemy在Web编程领域应用广泛。

本文将主要拿SQLAlchemy来进行了解学习。

安装工具

首先安装基本的数据库驱动pymysql

pip3 install pymysql

然后安装ORM框架SQLAlchemy

pip3 install sqlalchemy

日常工作中，如果不想每次通过命令行来查看数据的话。推荐安装Navicat for MySQL，通过这个图形化工具能够方便快捷地操作数据库，实时查询数据。

初始化数据库

安装好必要工具后，我们开始尝试创建个用户数据user表来。 首先，使用SQLAlchemy连接数据库并定义表结构初始化DBSession。

# 导入SQLAlchemy

from sqlalchemy import Column, BIGINT, String, create_engine

from sqlalchemy.orm import sessionmaker

from sqlalchemy.ext.declarative import declarative_base

# 创建基类

Base = declarative_base()

# 初始化数据库连接:

# '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')

# 创建DBSession类型:

DBSession = sessionmaker(bind=engine)

# 创建session对象:

session = DBSession()

# 数据库操作方法

# 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)

建立user数据表模型：

# 定义user类

class User(Base):

# 表名

__tablename__ = "user"

# 表的结构

# 设置id为主键 并自增长

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

name = Column(String(20))

gender = Column(String(2))

# 正式初始化数据库，如果没有user表的话，这里将自动创建

init_db()

这里有个需要注意的地方就是在初始化数据库之前需要先定义user数据表模型，否则的话无法正常创建user数据表。 session(会话)，可以看成一个管理数据库持久连接的对象，后面的操作都将基于session对象进行。如果使用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自增类型则可以最多约922亿亿条记录。

增删改查操作

增

初始化ORM对象后，我们插入一条记录试试。

# 创建新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：

查

Session的query函数会返回一个Query对象。query函数可以接受多种参数类型。

# query: 输出所有的用户名

result = session.query(User.name)

# order: 按倒序输出所有用户

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

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

# label: 自定义字段名,查询结果可通过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：组合起来可做分页查询(通过python的切片其实也一样)，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()

基本日常用到的查询方法就是这些，面向对象操作的用法都比较灵活多变，大家可以根据不同的场景自由组合。

改

相比去查询来讲，修改就显得简单很多，找到命中的记录，然后通过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 不同步更新当前session synchronize_session = 'fetch' 更新之前从数据库中拉取实时数据，更新到session对象 synchronize_session = 'evaluate' 更新之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'

# 操作方式

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，然后进行删除。

# 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作为关系型数据库，可以通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一、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 并自增长

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

name = Column(String(20))

# 定义用户关注的公众号属性，指明两者的关系

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，指明两者关系

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

# 清空数据库并重新初始化

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： 建立一对多数据表模型 将之前的数据清空后重新初始化，用新的表模型创建个新的user，并添加关注的公众号account 增加name为mrlizi的user表记录，同时创建相关联的公众号信息记录。 通过user表查询相关联的公众号数据 * 通过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，我们只需要在一对多关系基础上的父表中使用uselist参数来表示。实现代码如下：

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，指明两者关系

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

# 清空数据库并重新初始化

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

多对多是通过两个表之间增加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参数指定链接来定位到两个不同的表，两个不同的表则在relationship()方法中通过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")

# 清空数据库并重新初始化

drop_db()

init_db()

# 创建记录

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作为主流的数据库之一，我们不一定说要多深入去研究它的使用，但起码的了解还是要有的。而且python中使用MySQL还是挺简单的，代码敲着敲着就会了。