一、SQLAlchemy 介绍
1.1 ORM 的概念
ORM全称Object Relational Mapping（对象关系映射），通过 ORM 就能使用 python 中的对象操作数据库（在底层转换为sql语句），免去sql语句的书写。
但是，由于抽象程度较高，所以 sql 语句的执行效率比较低，因此有些情况下，还是需要我们亲自书写sql语句。
ORM 是通过以下对应关系，将 python 代码转换为 sql 语句的：
| python对象 | 关系型数据库 |
|---|---|
| 类 | 表 |
| 类属性 | 字段 |
| 类的实例对象 | 记录 |
| 实例对象的属性值 | 记录的字段值 |
1.2 SQLAlchemy介绍
在 django 中访问数据库，通常会使用 django 自带的 ORM（Object Relational Mapping）对象关系映射来访问数据库，只需要用python的语法来操作对象，就能被自动映射为 sql 语句。
而 SQLAlchemy 则是一个专门的对象关系映射器和 Python SQL工具包，旨在实现高效和高性能的数据库访问。
1.3 架构
- Schema / Types： 类到表之间的映射规则。
- SQL Expression Language ：SQL 语句。
- Engine ：引擎。
- Connection Pooling： 连接池。
-
Dialect： 方言，调用不同的数据库
API(Oracle, postgresql, Mysql) 并执行对应的 SQL语句。
1.4 异步
SQLAlchemy 在1.4版本之前，通过 greenlet 实现对异步的支持，而在1.4及之后版本中，添加了 python asyncio 标准库的支持。所以，这需要 python 解释器版本在 3.6+。
1.5 安装
安装 SQLAlchemy（1.4版本）：
pip install SQLAlchemy
如果需要 greenlet 异步支持：
pip install sqlalchemy[asyncio]
二、SQLAlchemy 快速入门
2.1 创建配置（可选）
这一步不是必要的，但将配置单独放置一个文件中，能方便我们管理和修改。
创建一个配置文件，如 settings.py：
DBMS = 'mysql' # 数据库管理系统名称：如 sqlite、mysql、oracle等
DBAPI = 'pymysql' # 所使用的 DBAPI（第三方驱动程序），如 pysqlite、pymysql 等
# 下面就是数据库管理系统的内容：主机IP、端口、用户名、密码、数据库
HOST = 'localhost'
PORT = 3306
USERNAME = 'root'
PASSWORD = '123456'
DB = 'myclass'
DB_URI = f'{DBMS}+{DBAPI}://{USERNAME}:{PASSWORD}@{HOST}:{PORT}/{DB}'
2.2 创建引擎和获取、关闭连接
任何 SQLAlchemy 应用程序的开始都是一个名为 Engine 的对象，它是一个为特定的数据库服务器创建一次的全局对象，可以理解为通过 SQLAlchemy 操作数据库的连接中心，保存着连接池。
from sqlalchemy import create_engine
from settings import DB_URI
engine = create_engine(DB_URI) # 创建引擎
# 也可以直接传入字符串，不使用配置文件
# engine = create_engine("数据库管理系统名称+驱动://用户名:密码@主机IP:端口号/数据库名称", echo=True, future=True)
conn = engine.connect() # 获取连接
result = conn.execute('SQL语句') # 执行SQL
print(result.fetchone()) # 打印 SQL 执行结果中的一行
conn.close() # 关闭连接
create_engine()的其他常用参数：
- echo：设置为 True，表示将 SQL 记录到记录器，该记录器将 SQL 写入标准输出。
- future：使用2.0风格的引擎和连接 API，以便使用 2.0 版本中的新特性。
- encoding：默认为 utf-8。
- pool_size：在连接池中保持打开的连接数。
2.3 创建 ORM 模型
from sqlalchemy.orm import declarative_base from sqlalchemy import Column, Integer, String # 创建基类 Base = declarative_base() # 每一个模型类都要继承 declarative_base() 创建的基类 class User(Base): # 定义表名 __tablename__ = 'users' # 定义字段，参数为字段类型和约束 id = Column(Integer, primary_key=True, autoincrement=True) name = Column(String) age = Column(Integer) sex = Column(String(10))
2.4 创建会话
每次在 python 中执行完操作后，都需要通过 session 提交到数据库：
from sqlalchemy.orm import sessionmaker # 创建会话，相当于 Django ORM 的 objects Session = sessionmaker(bind=engine) session = Session() # 执行数据的增删改查…… # 比如，新增数据 # session.add(模型类(类属性=值,……)) # 提交 session.commit() # 关闭session session.close()
在commit()之前，可以取消对实例对象所做的修改，也就是回滚：
session.rollback()
2.5 创建和删除表
创建所有表：
Base.metadata.create_all(engin)
删除所有表：
Base.metadata.drop_all(engin)
2.6 新增数据
新增数据：
变量名 = 模型类(类属性=值,……)
session.add(变量名)
批量新增：
session.add_all([
模型类(类属性=值,……),
模型类(类属性=值,……)
……
])
2.7 查询数据
查询所有：
变量名 = session.query(模型类).all()
返回模型类实例对象列表。
查询指定字段：
变量名 = session.query(模型类.字段).all()
只获取返回结果的第一个：
变量名 = session.query(模型类).first()
连表查询：
变量名 = session.query(模型类1,模型类2).filter(条件).all()
# 如，查询用户 ID 及其爱好的 ID res = session.query(User, Hobby).filter(User.hobby_id == Hobby.id).all()
返回一个元组构成的列表，元组包含两个实例对象。
过滤：
变量名 = session.query(模型类).filter(条件).all()
# 如，查询年龄大于18岁的学生名字 res = session.query(Student.name).filter(Student.age >= 18).all()
条件中常用运算符：
多条件过滤：
# 条件之间默认为 and 关系 变量名 = session.query(模型类).filter(条件1, 条件2……).all() # 使用 or from sqlalchemy import or_ 变量名 = session.query(模型类).filter(or_(条件1, 条件2……)).all()
排序：
变量名 = session.query(模型类).order_by(排序依据字段.desc()).all() # desc 表示倒序，写 asc 或不写就是升序
统计个数：
变量名 = session.query(模型类).count()
切片：
变量名 = session.query(模型类).all()[1:3]
2.8 修改数据
变量名 = session.query(模型类).filter(条件).update({"字段":值})
# 不要忘记提交
2.9 删除数据
session.query(模型类).filter(条件).delete()
三、多表操作
下面的内容中，我将称定义了外键字段的模型类为被关联模型，另一个为关联模型。
3.1 一对多
创建模型：
外键定义在多的一方。
from sqlalchemy import ForeignKey
from sqlalchemy.orm import relationship
class 模型类名称(Base):
__tablename__ = '表名'
字段 = Column(类型,约束)
……
外键字段 = Column(类型,其他约束,ForeignKey(关联模型.字段)) # 重点
关联模型名称小写 = relationship("关联模型的名称",backref="用于反向查询的名称") # 不是字段，不会在数据库中创建
新增数据：
# 正向新增
变量名 = 被关联模型(字段=值,……,外键字段=关联模型(字段=值……))
session.add(变量名)
# 反向新增
变量名A = 关联模型(字段=值,……)
变量名A.backref的值 = [被关联模型的实例1，被关联模型的实例2……]
session.add(变量名A)
正向查询：
先获取被关联模型的实例，然后通过实例.外键获取关联对象。
反向查询：
先获取关联模型的实例，然后通过实例.backref的值获取被关联模型的实例对象。
3.2 多对多
创建模型：
新建中间表，只保存双方的对应关系即可。
在其中一方，定义 relationship：
关联模型类名称小写 = relationship("关联模型类的名称", secondary='中间表模型类的名称小写', backref="用于反向查询的名称") # 不是字段，不会在数据库中创建
新增数据：
在双方创建好数据后，直接在中间表中添加对应关系。
正向、反向查询：
与一对多模型一致。
到此这篇关于Python ORM框架之SQLAlchemy 的基础用法的文章就介绍到这了,更多相关SQLAlchemy 的用法内容请搜索服务器之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持服务器之家！
原文链接：https://blog.csdn.net/qq_39330486/article/details/123010788
