SQLAlchemy实战使用总结（通俗易懂）！！！

最新推荐文章于 2023-10-12 17:23:52 发布
最新推荐文章于 2023-10-12 17:23:52 发布
阅读量4.7k 收藏 35
点赞数 7
分类专栏： 爱学习→Python 文章标签： python flask SQLAlchemy
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43552143/article/details/120448762
版权

目录

简介

基本用法

安装

连接数据库

配置信息

 创建引擎并连接数据库

创建ORM模型并映射到数据建库中

增删改查（CRUD）操作

新增

单条新增：

批量新增：

删除

修改

 单条更新：

 批量更新：

查询

 查询所有数据

 指定查询列

 获取返回数据的第一行

 查询数据 指定查询数据列 加入别名

原生SQL查询

表达式筛选条件

原生SQL筛选条件

筛选条件格式

字符串匹配方式筛选条件 并使用 order_by进行排序

and or使用

复杂查询

查询语句

排序

通配符

限制（切片）

分组

between in使用

类型转换

dict_to_object

db_tuple_to_dict

model_to_dict

res_copy_model_to_dest（修改的时候会用到）

简介

        SQLAlchemy是用Python编程语言开发的一个开源项目。它提供了SQL工具包和ORM（对象关系映射）工具，使用MIT许可证发行。

        SQLAlchemy最初在2006年2月发行，发行后便很快的成为Python社区中最广泛使用的ORM工具之一，丝毫不亚于Django自带的ORM框架。

        SQLAlchemy采用简单的Python语言，提供高效和高性能的数据库访问，实现了完整的企业级持久模型。它的理念是，SQL数据库的量级和性能比对象集合重要，而对象集合的抽象又重要于表和行。

以上都是比较官方的说法，帮助大家了解一下SQLAlchemy。了解了解就可。

基本用法

安装

安装sqlalchemy

pip3 install sqlalchemy
pip3 install pymysql

本文使用MySQL作为数据库，使用pymysql作为驱动，因此需要安装pymysql

连接数据库

配置信息

在连接数据库前，需要使用到一些配置信息，然后把它们组合成满足以下条件的字符串：

dialect+driver://username:password@host:port/database

例：mysql+pymysql://root:root@192.168.105.110:30306/testDataBase

建议将配置信息放到你的配置文件中，如config.py

  • dialect：数据库，如：sqlite、mysql、oracle等
  • driver：数据库驱动，用于连接数据库的，本文使用pymysql
  • username：用户名
  • password：密码
  • host：IP地址
  • port：端口
  • database：数据库

 创建引擎并连接数据库

from sqlalchemy import create_engine
from config import DB_URI


engine = create_engine(DB_URI)  # 创建引擎
conn = engine.connect()  # 连接
result = conn.execute('SELECT 1')  # 执行SQL
print(result.fetchone())  
conn.close()  # 关闭连接

创建ORM模型并映射到数据建库中

from sqlalchemy.ext.declarative import declarative_base
from sqlalchemy import create_engine, Column, Integer, String
from sqlalchemy.orm import sessionmaker
from config import DB_URI

engine = create_engine(DB_URI)
Base = declarative_base(engine)  # SQLORM基类
session = sessionmaker(engine)()  # 构建session对象


class Student(Base):
    __tablename__ = 'student'  # 表名
    id = Column(Integer, primary_key=True, autoincrement=True)
    name = Column(String(50))
    age = Column(Integer)
    sex = Column(String(10))


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

执行上面代码，将会在数据库中生成对应的映射表student。

增删改查（CRUD）操作

        新增和修改的时候可能会遇到类型错误问题，可以参考下面的类型转换。

新增

注意：主要看使用的方法以及传入的参数，像开发session以及命名是什么，用自己框架的获取session对象就可以。

单条新增：

# 1.首先导入之间做好的ORM 对象 User
from my_create_table import User
# 2.使用Users ORM模型创建一条数据
user1 = User(name="wang")
# 在db_session会话中添加一条 UserORM模型创建的数据
db_session.add(user1)
# 使用 db_session 会话提交 , 这里的提交是指将db_session中的所有指令一次性提交
db_session.commit()

批量新增：

 方法一：（最常用，但是执行时间不算快）

# 方法一:
user2 = User(name="张三")
user3 = User(name="王五")
db_session.add(user2)
db_session.add(user3)
db_session.commit()
# 之前说过commit是将db_session中的所有指令一次性提交,现在的db_session中至少有两条指令user2和user3
db_session.close()
#关闭会话

 方法二：

# 方法二:
user_list = [
    User(name="wang1"),
    User(name="wang2"),
    User(name="wang3")
]
db_session.add_all(user_list)
db_session.commit()

db_session.close()

 方法三：（执行时间最短排名：4）

db_session.bulk_save_objects(
            [
                Customer(name="NAME " + str(i))
                for i in xrange(min(10000, n1))
            ]
        )
db_session.commit()

 方法四：（执行时间最短排名：3）

db_session.bulk_insert_mappings(
            Customer,
            [
                dict(name="NAME " + str(i))
                for i in xrange(min(10000, n1))
            ]
        )
 db_session.commit()

方法五：（执行时间最短排名：2）

engine = create_engine(dbname, echo=False)


engine.execute(
        Customer.__table__.insert(),
        [{"name": 'NAME ' + str(i)} for i in xrange(n)]
    )  ##==> engine.execute('insert into ttable (name) values ("NAME"), ("NAME2")')

方法六：（执行时间最短排名：1）

def init_sqlite3(dbname):
    conn = sqlite3.connect(dbname)
    c = conn.cursor()
    c.execute("DROP TABLE IF EXISTS customer")
    c.execute(
        "CREATE TABLE customer (id INTEGER NOT NULL, "
        "name VARCHAR(255), PRIMARY KEY(id))")
    conn.commit()
    return conn
 
 
def test_sqlite3(n=100000, dbname='sqlite3.db'):
    conn = init_sqlite3(dbname)
    c = conn.cursor()
    t0 = time.time()
    for i in xrange(n):
        row = ('NAME ' + str(i),)
        c.execute("INSERT INTO customer (name) VALUES (?)", row)
    conn.commit()

删除

# 删除
class_info = db_session.query(ClassTable).filter(ClassTable.name=="OldBoyS1").first()
db_session.query(Student).filter(Student.class_id == class_info.id).delete()
db_session.commit()

db_session.close()
user = UserSample()
db.session.query(UserSample).filter_by(id=user.id).delete()
db.session.commit()
db.session.close()

修改

 单条更新：

# UPDATE user SET name="NBDragon" WHERE id=20 更新一条数据
# 语法是这样的 :
# 使用 db_session 执行User表 query(User) 筛选 User.id = 20 的数据 filter(User.id == 20)
# 将name字段的值改为NBDragon update({"name":"NBDragon"})
res = db_session.query(User).filter(User.id == 20).update({"name":"NBDragon"})
print(res) # 1 res就是我们当前这句更新语句所更新的行数
# 注意注意注意
# 这里一定要将db_session中的执行语句进行提交,因为你这是要对数据中的数据进行操作
# 数据库中 增 改 删 都是操作,也就是说执行以上三种操作的时候一定要commit
db_session.commit()
db_session.close()
#关闭会话

 批量更新：

# 更新多条
res = db_session.query(User).filter(User.id <= 20).update({"name":"NBDragon"})
print(res) # 6 res就是我们当前这句更新语句所更新的行数
db_session.commit()
db_session.close()
#关闭会话

查询

 查询所有数据

# 查询所有数据
res = db_session.query(User).all()

 指定查询列

# query的时候我们不在使用User ORM对象,而是使用User.name来对内容进行选取
user_list = db_session.query(User.name).all()

 获取返回数据的第一行

# 获取返回数据的第一行
res = db_session.query(User).first()

 查询数据 指定查询数据列 加入别名

# 查询数据 指定查询数据列 加入别名
res = db_session.query(User.name.label('username'), User.id).first()

原生SQL查询

#原生SQL查询
res = db_session.query(User).from_statement(text("SELECT * FROM User where name=:name")).params(name='wang').all()

表达式筛选条件

# 表达式筛选条件
res = db_session.query(User).filter(User.name == "wang").all()

原生SQL筛选条件

# 原生SQL筛选条件
r4 = db_session.query(User).filter_by(name='wang').all()
r5 = db_session.query(User).filter_by(name='wang').first()

筛选条件格式

# 筛选条件格式
# filter:
user_list = db_session.query(User).filter(User.name == "wang").all()
user_list = db_session.query(User).filter(User.name == "wang").first()

# filter_by:
user_list = db_session.query(User).filter_by(name="wang").all()
user_list = db_session.query(User).filter_by(name="wang").first()

字符串匹配方式筛选条件 并使用 order_by进行排序

# 字符串匹配方式筛选条件 并使用 order_by进行排序
res = db_session.query(User).filter(text("id<:value and name=:name")).params(value=224, name='wang').order_by(User.id).all()

and or使用

# and or
from sqlalchemy.sql import and_ , or_
res = db_session.query(User).filter(and_(User.id > 3, User.name == 'wang')).all()
ret = db_session.query(User).filter(or_(User.id < 2, User.name == 'wang')).all()

复杂查询

# 复杂查询
from sqlalchemy.sql import text
user_list = db_session.query(User).filter(text("id<:value and name=:name")).params(value=3,name="wang")

查询语句

# 查询语句
data = db_session.execute('select * from t_user where name=:value', params={"value": 'abc'})

row = data.fetchone()  # 取第一条
print(row.id)  # 取主键
print(row.name)  # 取字段

rows = data.fetchall()  # 取所有数据
for row in rows:
    print(row.id, row.name)
print(data.rowcount)  # 取条数

排序

# 排序 :
user_list = db_session.query(User).order_by(User.id).all()
user_list = db_session.query(User).order_by(User.id.desc()).all()

通配符

# 通配符
ret = db_session.query(User).filter(User.name.like('e%')).all()
ret = db_session.query(User).filter(~User.name.like('e%')).all()

限制（切片）

# 限制
ret = db_session.query(User)[1:2]

分组

from sqlalchemy.sql import func

ret = db_session.query(User).group_by(User.extra).all()
ret = db_session.query(
    func.max(User.id),
    func.sum(User.id),
    func.min(User.id)).group_by(User.name).all()

ret = db_session.query(
    func.max(User.id),
    func.sum(User.id),
    func.min(User.id)).group_by(User.name).having(func.min(User.id) >2).all()

between in使用

# between使用
ret = session.query(User).filter(User.id.between(1, 3), User.name == 'wang').all() # between 大于1小于3的


# in使用
ret = session.query(User).filter(User.id.in_([1,3,4])).all() # in_([1,3,4]) 只查询id等于1,3,4的
ret = session.query(User).filter(~User.id.in_([1,3,4])).all() # ~xxxx.in_([1,3,4]) 查询不等于1,3,4的
ret = session.query(User).filter(User.id.in_(session.query(User.id).filter_by(name='wang'))).all() 子查询

类型转换

dict_to_object

def dict_to_object(dict_data, obj):
    dic2class(dict_data, obj)


def dic2class(py_data, obj):
    for name in [name for name in dir(obj) if not name.startswith('_')]:
        if name not in py_data:
            setattr(obj, name, None)
        else:
            value = getattr(obj, name)
            setattr(obj, name, set_value(value, py_data[name]))


def set_value(value, py_data):
    if str(type(value)).__contains__('.'):
        # value 为自定义类
        dic2class(py_data, value)
    elif str(type(value)) == "<class 'list'>":
        # value为列表
        if value.__len__() == 0:
            # value列表中没有元素，无法确认类型
            value = py_data
        else:
            # value列表中有元素，以第一个元素类型为准
            child_value_type = type(value[0])
            value.clear()
            for child_py_data in py_data:
                child_value = child_value_type()
                child_value = set_value(child_value, child_py_data)
                value.append(child_value)
    else:
        value = py_data
    return value

db_tuple_to_dict

def db_tuple_to_dict(resultproxy):
    d, a = {}, []
    for rowproxy in resultproxy:
        for column, value in rowproxy.items():
            d = {**d, **{column: value}}
        a.append(d)
    return a

model_to_dict

def model_to_dict(obj):
    dic = {}
    dic_columns = obj.__table__.columns
    # 保证都是字符串和数字
    types = [str, int, float, bool]
    # 注意，obj.__dict__会在commit后被作为过期对象清空dict，所以保险的办法还是用columns
    for k, tmp in dic_columns.items():
        # k=nick,tmp=usergroup.nick
        v = getattr(obj, k, None)
        if v != None:
            dic[k] = str(v) if v and type(v) not in types else v
    return dic

res_copy_model_to_dest（修改的时候会用到）

def res_copy_model_to_dest(res, dest):
    dic_columns = res.__table__.columns
    # 保证都是字符串和数字
    types = [str, int, float, bool, bytes]
    for k, tmp in dic_columns.items():
        v = getattr(res, k, None)
        value = str(v) if v and type(v) not in types else v
        print("key:", k, "  v:", value)
        if v is not None:
            setattr(dest, k, value)

例：

test = TestModel()
db_test = db.session.query(TestModel).get(test.id)
res_copy_model_to_dest(test, db_test)
db.session.commit()
db.session.close()

在项目中用到的东西，分享一波，有问题可以私信或者评论

作者：筱白爱学习！！

欢迎关注转发评论点赞沟通，您的支持是筱白的动力！

筱白爱学习
关注
  • 7
    点赞
  • 踩
  • 35
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
专栏目录
使用SQLAlchemy库进行数据库操作的基本流程[简单示例]
2401_83817653的博客
04-09 924
Base = declarative_base()class User(Base): tablename = ‘users’ id = Column(Integer, primary_key=True) username = Column(String(50), unique=True, nullable=False) email = Column(String(100), nullable=False)Base.metadata.create_all(engine)Session = sessionmak
简单易用，灵活强大：用SQLAlchemy实现Python操作数据库
weixin_62650212的博客
04-18 7495
SQLAlchemy是一个Python的SQL工具和ORM框架，可以通过Python代码直接操作关系型数据库，也可以使用ORM模型进行对象关系映射。它支持多种数据库，并提供了强大的SQL表达式和查询API。SQLAlchemy可以分为两个部分：Core和ORM。Core：提供了底层的SQL表达式和查询API，支持多种数据库的可移植操作，例如连接管理、事务管理、对象关系映射、元数据管理等。
SQLAlchemy(2.0)完全入门
最新发布
Cycloctane的博客
10-12 4808
如果我们需要的数据库表在原数据库中不存在，而我们需要新建一个，则可以选择通过继承Table类作为表。表中的列通过在Table中传入Column实例即可定义。同时也要注意表对象是需要基于Metadata的，因此我们也需要一个metadata实例并将这个表对象注册到其中，随后这个表就可以由metadata实例借助engine在原数据库中新建了。metadata,Column("id", Integer, primary_key=True), # 使用Integer类构建int数据类型。
电商项目-查询语句和sqlalchemy用法
sf131097的专栏
10-01 1228
概念 聚集索引：指索引项的排序方式和表中数据记录排序方式一致的索引（这里不懂先放着，一会举例），每张表只能有一个聚集索引，聚集索引的叶子节点存储了整个行数据。 辅助索引：辅助索引中索引的逻辑顺序与磁盘上行的物理存储顺序不同，一个表中可以拥有多个非聚集索引。叶子节点并不包含行记录的全部数据。叶子节点除了包含键值以外，还存储了一个指向改行数据的聚集索引建的书签。 一.查询语句 1.想到查询所有商...
(三)python实战——使用SQLAlchemy完成mysql数据库表的增、删、查、改操作案例
厉害哥哥的博客
06-27 5008
上一节内容中，我们使用pymysql库完成了对数据库表增删查改的基本操作，本节内容我们使用SQLAlchemy完成对数据库表增删查改的基本操作，SQLAlchemy是Python SQL工具包和对象关系映射器，为应用程序开发人员提供了SQL的全部功能和灵活性。SQLAlchemy提供了一整套众所周知的企业级持久性模式，专为高效和高性能的数据库访问而设计，适用于简单的Python域语言。
用SQLAlchemy执行原生SQL
wtt234的专栏
11-04 8960
sqlarchemy操作原生sql语句的办法： from flask import Flask from sqlalchemy import create_engine import pymysql """ sqlalchemy的初步使用,用SQLAlchemy执行原生SQL： """ HOSTNAME = '127.0.0.1' PORT = '3306' DATABASE = 'db57' USERNAME = 'root' PASSWORD = 'root123456123456789.
sqlalchemy-challenge:SQLAlchemyHomework-冲浪！
03-19
SQLAlchemyHomework-冲浪！...使用该日期，通过查询前12个月的数据来检索最近12个月的降水数据。 降水数据汇总统计 车站分析 从最低，最高，平均查询中最活跃的电台 设计查询以检索最近12个月的温度观测数据（TOBS）
sqlalchemy-challenge:SQLAlchemy家庭作业-冲浪！
03-19
"中，我们将探索如何使用Python的SQLAlchemy库来操作数据库。SQLAlchemy是Python中一个强大的对象关系映射（ORM）框架，它允许开发者以面向对象的方式处理数据库，极大地简化了数据库操作。在这个挑战中，我们很可能...
Python流行ORM框架sqlalchemy安装与使用教程
09-19
这篇教程将详细介绍如何安装和使用sqlalchemy。 首先，安装sqlalchemy非常简单。在命令行中，你可以使用pip来安装，如在虚拟环境中执行： ```bash python3 -m pip install sqlalchemy ``` 安装完成后，你可以通过...
sqlalchemy-challenge:作业10-SQLAlchemy作业-冲浪！
03-21
SQLAlchemy是Python中一个强大的对象关系映射（ORM）库，它允许开发者使用Python类来操作数据库，而无需直接编写SQL语句。这个挑战分为两部分：clipart_starter.ipynb，一个Jupyter Notebook文件，用于数据预处理和...
sqlalchemy-challenge-alec-miller:SQLAlchemy家庭作业-冲浪！
03-19
SQLAlchemy是Python中的一款强大的对象关系映射（ORM）工具，它允许开发者使用Python对象来操作数据库，大大简化了数据库操作的过程。在这个挑战中，Alec Miller可能是指导者或者参与者，他设计了一个练习来提升对...
sqlalchemy 笔记
u010066807的博客
03-27 753
初始化数据库连接DB_CONNECT_STRING = 'mysql+mysqldb://root:123123@localhost/sqlalchemy?charset=utf8' engine = create_engine(DB_CONNECT_STRING, echo=True)数据库类型+数据库驱动名称://用户名:口令@机器地址:端口号/数据库名创建DBSessionDB_Session
SQLAlchemy
weixin_34250709的博客
07-24 196
SQLAlchemy是Python编程语言下的一款ORM框架，该框架建立在数据库API之上，使用关系对象映射进行数据库操作，简言之便是：将对象转换成SQL，然后使用数据API执行SQL并获取执行结果。 Dialect用于和数据API进行交流，根据配置文件的不同调用不同的数据库API，从而实现对数据库的操作，如： 1 2 3 4 5 6 7 8 9...
python execute select_sqlalchemy里engine.execute('select 1').scalar()是什么意思？
weixin_39700063的博客
12-11 1297
sqlalchemy里engine.execute('select 1').scalar()是什么意思？select 1 是什么？scalar()这个方法是什么意思，怎么用呀？In [25]: import sqlalchemyIn [26]: engine = create_engine('mysql+mysqldb://root:aptech@localhost:3306/test',echo...
Python ORM之SQLAlchemy 数据库连接引擎实现Mysql、PostgreSQL、Oracle连接以及高级查询的相关实例
wisdom_lp的博客
04-20 1981
MetaData、automap_base 实现已有数据表反射。对原有表的数据inster update delete等高级操作。SQLAlchemy 工具。实现多种数据库连接支持。
python操作数据库 SQLAlchemy库与orm操作（创建表与添加数据操作 简单操作）
LCY133的博客
10-30 1316
通过python操作数据库的方式可以是SQLAlchemy， 具体代码如下： from sqlalchemy import create_engine # 创造一个引擎 与mysql相连接 # 连接数据库 # 主机地址 HOSTNAME = '127.0.0.1' # 数据库名称 DATABASE = 'flask_demo' # 端口 PORT = 3306 # 用户名和密码 USERNAME = 'root' PASSWORD = 'root' DB_URL = 'mysql+pymysql:
SQLAlchemy 多条件查询
热门推荐
墨痕诉清风的博客
07-09 1万+
SQLAlchemy and or 查询方式范例： AND： # use and_() from sqlalchemy import and_ query.filter(and_(User.name == 'ed', User.fullname == 'Ed Jones')) # or send multiple expressions to .filter() query.f...
SqlAlchemy的Engine，Connection和Session 区别？适合什么时候用？
qq_36622490的博客
11-20 5444
一个熟练使用过SQLAlchemy的程序员，执行同一个SQL指令应该尝试过以下三种方式： 连接到数据库，获取对象 engine = create_engine("parameter) connection=engine.connection() session_bind=sessionmaker(bind=engine) session=session_bind() Engine处理 #Engine： engine.execute(select([table])).fetchall()
python sqlalchemy session_Python SQLAlchemy基本操作和常用技巧（包含大量实例,非常好）之基础知识...
weixin_39626089的博客
12-03 1751
Python SQLAlchemy基本操作和常用技巧(包含大量实例,非常好)这篇文章主要介绍了Python的ORM框架SQLAlchemy基本操作和常用技巧，包含大量实例,非常好的一个学习SQLAlchemy的教程,需要的朋友可以参考下首先说下，由于最新的 0.8 版还是开发版本，因此我使用的是 0.79 版，API 也许会有些不同。因为我是搭配 MySQL InnoDB 使用，所以使用其他数据库...
sqlalchemy怎么使用
05-20
SQLAlchemy是一个Python SQL工具包和ORM框架，可以用来连接和操作各种关系型数据库。 以下是一个使用SQLAlchemy连接MySQL数据库的示例： 首先需要安装SQLAlchemy： ``` pip install sqlalchemy ``` 然后在Python中引入SQLAlchemy模块并创建一个engine对象： ```python from sqlalchemy import create_engine engine = create_engine('mysql+pymysql://username:password@host:port/dbname') ``` 其中，`username`是你的数据库用户名，`password`是你的数据库密码，`host`是你的数据库服务器地址，`port`是你的数据库服务器端口号，`dbname`是你的数据库名。 接下来就可以使用engine对象来执行SQL查询了，例如： ```python result = engine.execute("SELECT * FROM mytable") for row in result: print(row) ``` 这将执行一个SELECT语句并打印查询结果。 当然，SQLAlchemy还有更多强大的功能，如ORM映射、事务处理、连接池管理等等，可以根据具体需求进行使用。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

筱白爱学习

你的鼓励将是我写作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值