SQLAlchemy中filter函数的使用

简介: SQLAlchemy中filter函数的使用

filter过滤数据

在SQLAlchemy中,filter 方法用于在查询中对数据进行过滤,以获取符合特定条件的记录。这方法允许你构建 SQL 查询中的 WHERE 子句,并可以组合多个条件来过滤数据。

方法及使用示例

以下对一些常用的过滤条件进行解释,并且这些过滤条件都是只能通过filter方法实现的:

基本过滤

使用 filter 方法来获取满足指定条件的记录。

from sqlalchemy import create_engine
from sqlalchemy.orm import sessionmaker
engine = create_engine('mysql://user:password@localhost/dbname')
Session = sessionmaker(bind=engine)
session = Session()
# 查询用户名为'John'的用户
results = session.query(User).filter(User.name == 'John').all()

多个条件的过滤

可以组合多个条件来过滤数据,使用 and_or_ 来构建复杂的条件表达式。

from sqlalchemy import and_, or_
# 查询用户名为'John'且年龄大于等于30的用户
results = session.query(User).filter(and_(User.name == 'John', User.age >= 30)).all()
# 查询用户名为'John'或年龄大于等于30的用户
results = session.query(User).filter(or_(User.name == 'John', User.age >= 30)).all()

模糊查询

使用 like 方法进行模糊查询。

# 查询用户名以'J'开头的用户
results = session.query(User).filter(User.name.like('J%')).all()

IN查询

使用 in_ 方法来查询某个字段是否包含在一组值中。

values = ['John', 'Alice', 'Bob']
results = session.query(User).filter(User.name.in_(values)).all()

空值和非空值

使用 is_ 方法来查询空值或非空值。

# 查询没有邮箱地址的用户
results = session.query(User).filter(User.email.is_(None)).all()
# 查询有邮箱地址的用户
results = session.query(User).filter(User.email.isnot(None)).all()

代码演示

from random import randint
from uuid import uuid4
from sqlalchemy import Column,Integer,String,Float,Text,and_,or_
from db_util import Base,Session
class Article(Base):
  __tablename__ = 't_article'
  id = Column(Integer,primary_key=True,autoincrement=True)
  title = Column(String(50),nullable=False)
  price = Column(Float,nullable=False)
  content = Column(Text)
  def __repr__(self):
    return f"<Article(title:{self.title} price:{self.price} content:{self.content})>"
def create_data():
  with Session() as ses:
    for i in range(10):
      if i%2 == 0:
        art = Article(title = f'title{i+1}',price=randint(1,100),content = uuid4())
      else:
        art = Article(title = f'TITLE{i+1}',price=randint(1,100))
      ses.add(art)
    ses.commit()
def query_data():
  with Session() as ses:
    # rs = ses.query(Article).filter_by(id=1).first()
    rs = ses.query(Article).filter(Article.id == 1).first()
    print(rs)
def query_data_equal():
  with Session() as ses:
    rs = ses.query(Article).filter(Article.title == 'title2').first()
    print(rs)
def query_data_not_equal():
  with Session() as ses:
    rs = ses.query(Article).filter(Article.title != 'title2').all()
    print(rs)
def query_data_like():
  with Session() as ses:
    # select * from t_article where title like 'title%';
    rs = ses.query(Article).filter(Article.title.like('title%')).all()
    for r in rs:
      print(r)
def query_data_in():
  with Session() as ses:
    rs = ses.query(Article).filter(Article.title.in_(['title1','title3','title6'])).all()
    for r in rs:
      print(r)
def query_data_not_in():
  with Session() as ses:
    rs = ses.query(Article).filter(~ Article.title.in_(['title1','title3','title6'])).all()
    for r in rs:
      print(r)
def query_data_null():
  with Session() as ses:
    rs = ses.query(Article).filter(Article.content == None).all()
    for r in rs:
      print(r)
def query_data_not_null():
  with Session() as ses:
    rs = ses.query(Article).filter(Article.content != None).all()
    for r in rs:
      print(r)
def query_data_and():
  with Session() as ses:
    # rs = ses.query(Article).filter(Article.title !='title4' and Article.price >8 ).all() 
    # rs = ses.query(Article).filter(Article.title !='title4',Article.price >50 ).all() 
    rs = ses.query(Article).filter(and_(Article.title !='title4',Article.price >50) ).all() 
    for r in rs:
      print(r)
def query_data_or():
  with Session() as ses: 
    rs = ses.query(Article).filter(or_(Article.title =='title4',Article.price >50) ).all() 
    for r in rs:
      print(r)
if __name__ == '__main__':
  # Base.metadata.create_all()
  # create_data()
  # query_data()
  # query_data_equal()
  # query_data_not_equal()
  # query_data_like()
  # query_data_in()
  # query_data_not_in()
  # query_data_null()
  # query_data_not_null()
  # query_data_and()
  query_data_or()

代码刨析

  1. Article 模型类定义
  • 你定义了一个名为 Article 的模型类,它映射到了数据库中的 t_article 表格,包括了 idtitlepricecontent 四个字段。
  1. create_data 函数
  • 该函数在数据库中插入了一些示例数据,包括了标题、价格和内容。其中,标题的命名规则是 title{i+1} 或者 TITLE{i+1},价格是一个随机的整数,内容使用了 uuid4()成。
  1. query_data 函数
  • 该函数查询了 id 为 1 的记录。
  1. query_data_equal 函数
  • 该函数查询了标题等于 'title2' 的第
  1. query_data_not_equal 函数
  • 该函数查询了标题不等于 'title2' 的所有记录。
  1. query_data_like 函数
  • 该函数查询了标题以 'title' 开头的所有记录。
  1. query_data_in 函数
  • 该函数查询了标题在 ['title1','title3','title6'] 中的所有记录。
  1. query_data_not_in 函
  • 该函数查询了标题不在 ['title1','title3','title6'] 中的所有记录。
  1. query_data_null 函
  • 该函数查询了内容为 None 的所有记录。
  1. query_data_not_null 函
  • 该函数查询了内容不为 None 的所有记录。
  1. query_data_and 函
  • 该函数查询了标题不等于 'title4' 且价格大于 50 的所有记录。
  1. query_data_or 函
  • 该函数查询了标题等于 'title4' 或者价格大于 50 的所有记录。
相关文章
|
6月前
|
IDE API 数据库
FastAPI + SQLModel 实战:标准项目结构下,一个模型搞定数据库与 API
SQLModel 实现“一模型双用”:单个类同时作为数据库表与 Pydantic API 模型,天然支持字段校验、类型提示、OpenAPI 文档生成,彻底消除重复定义,提升开发效率与一致性。(239字)
711 4
|
9月前
|
存储 NoSQL Go
英伟达谷歌都在用的(开源特征存储平台Feast)-架构学习指南
欢迎来到Feast的世界!这是一个开源的生产级机器学习特征存储系统,专为解决特征数据高效管理与服务而设计。本指南将带你从零掌握其架构、核心概念与实战技巧,助你像架构师一样思考,像工匠一样编码,轻松应对训练与推理的一致性挑战。
1614 2
|
SQL 数据库 开发者
Python中使用Flask-SQLAlchemy对数据库的增删改查简明示例
这样我们就对Flask-SQLAlchemy进行了一次简明扼要的旅程,阐述了如何定义模型,如何创建表,以及如何进行基本的数据库操作。希望你在阅读后能对Flask-SQLAlchemy有更深入的理解,这将为你在Python世界中从事数据库相关工作提供极大的便利。
1055 77
|
人工智能 监控 算法
Python下的毫秒级延迟RTSP|RTMP播放器技术探究和AI视觉算法对接
本文深入解析了基于Python实现的RTSP/RTMP播放器,探讨其代码结构、实现原理及优化策略。播放器通过大牛直播SDK提供的接口,支持低延迟播放,适用于实时监控、视频会议和智能分析等场景。文章详细介绍了播放控制、硬件解码、录像与截图功能,并分析了回调机制和UI设计。此外,还讨论了性能优化方法(如硬件加速、异步处理)和功能扩展(如音量调节、多格式支持)。针对AI视觉算法对接,文章提供了YUV/RGB数据处理示例,便于开发者在Python环境下进行算法集成。最终,播放器凭借低延迟、高兼容性和灵活扩展性,为实时交互场景提供了高效解决方案。
1166 5
|
机器学习/深度学习 设计模式 API
Python 高级编程与实战:构建微服务架构
本文深入探讨了 Python 中的微服务架构,介绍了 Flask、FastAPI 和 Nameko 三个常用框架,并通过实战项目帮助读者掌握这些技术。每个框架都提供了构建微服务的示例代码,包括简单的 API 接口实现。通过学习本文,读者将能够使用 Python 构建高效、独立的微服务。
|
JavaScript 数据库 Python
一篇文章搞懂flask_sqlalchemy常用操作
这篇文章介绍了Flask框架中SQLAlchemy库的常用操作,包括查询、删除和更新数据的方法和技巧。
1156 3
|
运维 监控 调度
普通人如何用PCDN来赚钱
私有内容分发网络(PCDN)利用分散的终端设备和带宽资源,构建去中心化的内容分发系统。普通人可通过搭建PCDN,利用闲置设备实现低成本、高灵活性的赚钱机会。主要步骤包括硬件准备、选择稳定软件平台、设计网络架构、内容管理和运维监控。盈利模式涵盖提供PCDN服务、广告合作、流量变现及增值服务。通过优化网络配置和设备选择,可最大化收益。尽管存在法律风险和收益波动,但合理搭建和维护能带来可观回报。
20312 0
|
前端开发 数据可视化 JavaScript
前端echarts加标记点及标记线和提示框
通过本文的介绍,希望您能够深入理解和掌握如何在ECharts中添加标记点、标记线和提示框,并在实际项目中灵活运用这些功能,提升数据可视化效果。
2288 4
|
数据采集 调度 数据库
flask-apscheduler的使用与示例
flask-apscheduler的使用与示例
1464 4
|
测试技术 数据库 Python
SQLAlchemy的同步和异步的代码对比
这篇文章比较了SQLAlchemy同步和异步操作的代码差异,包括创建数据库引擎、会话、执行查询、新增、编辑和删除数据的不同方式。
1000 8