摘要:首先,使用连接数据库并定义表结构初始化。创建新对象添加到批量添加子非鱼虞姬花木兰提交即保存到数据库结果查的函数会返回一个对象。一对多在的一对多关系中,使用来表示表的外键,表示表与表之间关联的属性。
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小故事
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。
文章版权归作者所有,未经允许请勿转载,若此文章存在违规行为,您可以联系管理员删除。
转载请注明本文地址:https://www.ucloud.cn/yun/17900.html
摘要:首先,使用连接数据库并定义表结构初始化。创建新对象添加到批量添加子非鱼虞姬花木兰提交即保存到数据库结果查的函数会返回一个对象。一对多在的一对多关系中,使用来表示表的外键,表示表与表之间关联的属性。 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小故事Python操作MySQL的库有三个,python-MySQL(MySQLdb),PyMySQL跟...
摘要:现在,对接文件已经到位接下来测试数据库,如果还没安装或者安装了还没配置,移步数据库配置,完成数据库的安装和配置或者在官方下载,安装官方手册安装。 ArthurSlog SLog-3 Year·1 Guangzhou·China July 9th 2018 showImg(https://segmentfault.com/img/remote/1460000016093266?w=2...
阅读 787·2021-11-12 10:36
阅读 3363·2021-09-08 10:44
阅读 2739·2019-08-30 11:08
阅读 1392·2019-08-29 16:12
阅读 2667·2019-08-29 12:24
阅读 888·2019-08-26 10:14
阅读 675·2019-08-23 18:32
阅读 1160·2019-08-23 17:52