数据模型
数据库回顾
- 分类:
- 关系型数据库:MySQL、sqlite、…
- 非关系型数据库:Redis、MongoDB、…
- 操作:
- 执行原生SQL语句,每次都需要拼接SQL语句,非常繁琐而且特别容易出错。
- ORM(对象关系映射),使用ORM可以通过对对象的操作完成对数据库的操作。
flask-sqlalchemy
说明:其实是sqlalchemy扩展库在flask中的移植库,通过了绝大多数关系型数据库的支持(ORM)
安装:
pip install flask-sqlalchemy
连接地址配置:
- 名称:
SQLALCHEMY_DATABASE_URI
- 格式:
- sqlite:
sqlite:/// + 数据库文件名
- MySQL:
数据库名+驱动名://用户名:密码@主机:端口/数据库
- 名称:
使用:
# 配置数据连接地址 base_dir = os.path.dirname(__file__) database_uri = 'sqlite:///' + os.path.join(base_dir, 'data.sqlite') app.config['SQLALCHEMY_DATABASE_URI'] = database_uri # 禁止数据的修改追踪(需要消耗资源) app.config['SQLALCHEMY_TRACK_MODIFICATIONS'] = False # 创建数据库操作对象 db = SQLAlchemy(app) # 设计模型类 class User(db.Model): # 表名默认会将模型名转为小写加下划线的形式 # 如:UserModel => user_model # 指定表名 __tablename__ = 'users' id = db.Column(db.Integer, primary_key=True) name = db.Column(db.String(20), unique=True) email = db.Column(db.String(32), unique=True)
数据表操作
@app.route('/create/') def create(): # 创建数据表 db.create_all() return '数据表已创建' @app.route('/drop/') def drop(): db.drop_all() return '数据表已删除' # 添加终端命令,完成数据表的创建 @manager.command def createall(): # 先删除原来的,副作用很大 db.drop_all() # 然后再创建 db.create_all() return '数据表已创建' # 添加终端命令,完成数据表的删除 @manager.command def dropall(): if prompt_bool('您确定要删库跑路吗?'): db.drop_all() return '数据表已删除' return '删库有风险,操作需谨慎!'
执行终端命令:python manage.py createall,即可创建数据表
数据库迁移
说明:将数据模型的更改应用到数据表的操作叫数据库迁移。
flask-migrate
就是专门做迁移的扩展库。安装:
pip install flask-migrate
使用:
from flask_migrate import Migrate # 创建数据库迁移对象 migrate = Migrate(app, db) # 将迁移命令添加到终端 manager.add_command('db', MigrateCommand)
迁移:
- 初始化,只需要一次,创建用户存放迁移脚本的目录及相关文件。
python manage.py db init
- 根据数据模型与数据表,生成迁移脚本。
python manage.py db migrate
- 执行迁移脚本
python manage.py db upgrade
提示:
- 初始化操作只需要一次,以后生成迁移脚本与执行迁移脚本循环执行即可完成数据库的迁移。
- 不是每次迁移都会成功,迁移出错时需要手动解决。
CURD操作
增加数据
# 设置自动提交操作,请求结束时无论如何都会提交 app.config['SQLALCHEMY_COMMIT_ON_TEARDOWN'] = True # 增加数据 @app.route('/insert/') def insert(): # 创建对象 # liang = User(name='亮亮', email='liang@163.com', age=30) # zhao = User(name='昭昭', email='zhao@163.com', age=20) # 保存到数据库,只能保存一条数据 # db.session.add(zhao) peng = User(name='鹏鹏', email='peng@163.com', age=28) fei = User(name='飞飞', email='fei@163.com', age=18) long = User(name='龙龙', email='long@163.com', age=22) guo = User(name='果果', email='guo@163.com', age=23) # 保存到数据库,一次性保存多条数据 db.session.add_all([peng, fei, long, guo]) # 提交操作,若没有设置自动提交,每次执行操作都需要手动提交一次 # db.session.commit() return '数据已添加'
查询数据
# 查询操作 @app.route('/select/<uid>/') def select(uid): # 根据主键进行查询,找到返回对象,没找到返回None user = User.query.get(uid) if user: return user.name return '查无此人'
修改数据
# 修改数据 @app.route('/update/<uid>/') def update(uid): user = User.query.get(uid) if user: user.email = 'xxx@163.com' # 再次添加到数据库即可 db.session.add(user) return '数据已修改' return '查无此人'
删除数据
# 删除数据 @app.route('/delete/<uid>/') def delete(uid): user = User.query.get(uid) if user: db.session.delete(user) return '数据已删除' return '查无此人'
模型设计参考
- 常见的字段类型
字段类型 | python类型 | 说明 |
---|---|---|
Integer | int | 整型(32) |
SmallInteger | int | 整型(16) |
BigInteger | int/long | 整型(64) |
Float | float | 浮点型 |
String | str | 变长字符串 |
Text | str | 不受限制的文本 |
Boolean | bool | 布尔值,True/False |
Date | datetime.date | 日期 |
Time | datetime.time | 时间 |
DateTime | datetime.datetime | 日期时间 |
Interval | datetime.timedelta | 时间间隔 |
PickleType | pickle.dumps() | 使用pickle模块序列化后的python对象 |
LargeBinary | bytes | 任意大的二进制数据 |
- 常见字段选项
选项 | 说明 |
---|---|
primary_key | 是否作为主键索引,默认为False |
autoincrement | 是否设置字段自增,默认为False |
unique | 是否作为唯一索引,默认为False |
index | 是否作为普通索引,默认为False |
nullable | 字段是否可以为空,默认为True |
default | 设置默认值 |
- 总结:
- 插入数据可以不传值的情况:自增的字段、可以为空的字段、有默认值的字段
- 使用flask-sqlalchemy时每个模型都需要有一个主键,通常主键字段名称为id
- 数据模型类名与数据表中的名字
- 默认:会将模型名转换为小写加下划线的方式,如:
UserModel => user_model
- 指定:通过类属性
__tablename__
指定表名
- 默认:会将模型名转换为小写加下划线的方式,如:
各种查询
说明:在数据库的操作中,绝大多数都是查询操作,而且这些操作都是通过方法来实现的。
常见操作:
操作 | 说明 |
---|---|
get | 根据主键查询,查到返回对象,没查到返回None |
get_or_404 | 根据主键查询,查到返回对象,没查到报404错 |
first | 返回第一条数据,没有时返回None |
first_or_404 | 返回第一条数据,没有时报404错 |
all | 查询所有数据组成的列表 |
limit | 限制结果集数量,返回时查询对象 |
offset | 结果集偏移数量,返回时查询对象 |
order_by | 排序,指定字段后,默认按升序排序(asc),降序(desc),可以指定多个字段 |
count | 统计个数 |
- 聚合函数:max、min、sum、avg、count
“`python
from sqlalchemy import func
@app.route(‘/query/’)
def query():
# 聚合函数
# max_age = db.session.query(func.max(User.age)).scalar()
max_age = db.session.query(func.min(User.age)).scalar()
return str(max_age)
“`
指定条件查询
@app.route('/query/') def query(): # 指定等值条件 # users = User.query.filter_by(age=18).all() # 指定任意条件 users = User.query.filter(User.age > 18).all() return ','.join(u.name for u in users)
filter条件查询
关系
>, __gt__:大于 示例: # users = User.query.filter(User.age > 20).all() # 等价于上式 users = User.query.filter(User.age.__gt__(20)).all() >=,__ge__:大于等于 <, __lt__:小于 <=,__le__:小于等于 ==,__eq__:等于 !=,__ne__:不等于
范围
users = User.query.filter(User.id.between(1, 3)).all() users = User.query.filter(User.id.in_((1, 3, 5))).all() users = User.query.filter(User.id.notin_((1, 3, 5))).all()
内容
# 包含指定内容 # users = User.query.filter(User.email.contains('ng')).all() # 以指定内容开头 # users = User.query.filter(User.email.startswith('fe')).all() # 以指定内容结尾 # users = User.query.filter(User.email.endswith('.com')).all() # 模糊匹配 # users = User.query.filter(User.email.like('l%')).all() users = User.query.filter(User.email.notlike('l%')).all()
逻辑
from sqlalchemy import and_, or_ # 默认的关系就是逻辑与 # users = User.query.filter(User.id > 3, User.age > 20).all() # 与上式等价 # users = User.query.filter(and_(User.id > 3, User.age > 20)).all() # 逻辑或 users = User.query.filter(or_(User.id > 3, User.age > 20)).all()