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
Debian 官方源换为国内的源的操作方法
apt-get update 报错,采用更换源的方式解决问题。
55950 0
conda常用操作和配置镜像源
conda常用操作和配置镜像源
29528 0
|
Linux 数据安全/隐私保护 Windows
更换(Pypi)pip源到国内镜像
pip国内的一些镜像 阿里云 http://mirrors.aliyun.com/pypi/simple/ 中国科技大学 https://pypi.mirrors.
247128 2
|
缓存 Linux 开发工具
CentOS 7- 配置阿里镜像源
阿里镜像官方地址http://mirrors.aliyun.com/ 1、点击官方提供的相应系统的帮助 :2、查看不同版本的系统操作: 下载源1、安装wget yum install -y wget2、下载CentOS 7的repo文件wget -O /etc/yum.
255438 0
|
SQL 关系型数据库 MySQL
SQLAlchemy + 协程,实现异步的 ORM
SQLAlchemy + 协程,实现异步的 ORM
811 1
|
12月前
|
人工智能 安全 机器人
Dify开发Agent对接钉钉机器人
这篇文章详细讲解了如何在Dify平台上开发一个Agent并与钉钉机器人集成,实现自动化消息处理和响应功能。
1559 0
|
JavaScript 前端开发 API
vue3 v-md-editor markdown编辑器(VMdEditor)和预览组件(VMdPreview )的使用
本文介绍了如何在Vue 3项目中使用v-md-editor组件库来创建markdown编辑器和预览组件。文章提供了安装步骤、如何在main.js中进行全局配置、以及如何在页面中使用VMdEditor和VMdPreview组件的示例代码。此外,还提供了一个完整示例的链接,包括编辑器和预览组件的使用效果和代码。
vue3 v-md-editor markdown编辑器(VMdEditor)和预览组件(VMdPreview )的使用
|
Java 调度 Python
解决方案:APScheduler定时任务不执行,报错Run time of job ... was missed by ...
解决方案:APScheduler定时任务不执行,报错Run time of job ... was missed by ...
1646 0
解决方案:APScheduler定时任务不执行,报错Run time of job ... was missed by ...
|
消息中间件 存储 NoSQL
一文读懂python分布式任务队列-celery
# 一文读懂Python分布式任务队列-Celery Celery是一个分布式任务执行框架,支持大量并发任务。它采用生产者-消费者模型,由Broker、Worker和Backend组成。生产者提交任务到队列,Worker异步执行,结果存储在Backend。适用于异步任务、大规模实时任务和定时任务。5月更文挑战第17天
1323 1