Python全栈 Web(Django框架、模型中的CRUD)

简介: Flask、Python、Django、框架、服务器、客户端、浏览器、交互、WEB、Python前端、CSS、JAVA、HTML、H5、PHP、JavaScript、JQuery、分布式开发、项目、flask项目、项目实战、django框架、Python项目、Python的Flask框架、Pytho...
模型中的CRUD
    增加数据:
        1.Entry.objects.create(属性1=值, 属性2=值,...)
          返回值:
            创建好的模型对象

def add_views(request):
    # 三种增加方式
    # 1.Entry.objects.create()
    obj = Author.objects.create(name="Paris", age=18, email="wei8023@gmail.com")
    print(obj.id, obj.name, obj.age, obj.email)

        2.创建一个Entry对象 并通过save() 进行保存
          obj = Entry(属性1=值1, ..)
          obj.属性 = 值
          obj.save()
          没有返回值  保存成功后obj会被重新赋值

    # 2.obj.save()
    obj = Author(name="王大锤", age=32, email="laowang@email.com")
    obj.save()
    print(obj.id, obj.name, obj.age, obj.email)

        3.使用字典构建成对象 并通过save()保存
          dic = {
            "属性1": "值1"
            ...
          }
          obj = Entry(**dic)
          obj.save()

    # 3. obj.save()
    dic = {
        "name": "wangdacui",
        "age": 33,
        "email": "wang@qq.com",
    }
    obj = Author(**dic)
    obj.save()
    print(obj.id, obj.name, obj.age, obj.email)
    return HttpResponse("OK")

    查询数据:
        所有的查询 通过Entry.objects 调用查询接口函数
        Entry.objects.filter()
        所有的查询接口 都可以通过一个query属性来得到对应的sql语句
        Entry.objects.filter().query

        基本查询操作:
            all()
                Entry.objects.all()
                返回queryset(查询结果集,是一个封装了若干个对象的列表)


def query_views(request):
    # all()  查询所有Author实体中所用的数据
    authors = Author.objects.all()
    print(authors.query)
    print(authors)

    # 循环遍历authors得到每一个数据
    for author in authors:
        print(author.id, author.name, author.email)

        查询返回指定列:
            values()|values("字段1", "字段2"...)
                Entry.objects.values()
                Entry.objects.values("name", "age")
                查询一个queryset中的部分列  并风封装成字典 再放到列表中
                也允许将values放在其返回查询结果集的后面

    # 查询部分列
    names = Author.objects.values("name")
    for name in names:
        print(name["name"])
    print(names)

    # 在查询所有结果的基础上进行筛选
    names = Author.objects.all().values("name")
    for name in names:
        print(name["name"])

        查询返回指定列:
            values_list()
                将结果封装到元祖中在封装到列表中返回
                用法同values


    # 将查询结果封装到元组再封装到列表中
    authors = Author.objects.values_list()
    for author in authors:
        print(author[0], author[2])

        只查询一条数据:
            get(条件)
                查询只返回一条数据
                Entry.objects.get(条件)
                如果查询结果为空或者查询结果不是一条记录都会抛异常

    # 只查询一条数据
    author = Author.objects.get(id=1)
    print(author)

        查询部分行数据:
            filter(条件1, 条件2,...)
                Entry.objects.filter(条件)
                使用逗号隔开表示使用and链接方式查询
                Author.objects.filter(id=1, name="Paris")

# filter根据条件筛选 authors = Author.objects.filter(id=1) print(authors.query) print(authors) # and方式查询 author = Author.objects.filter(id=2, name="Paris").values() print(author)

                在条件查询中 Django提供了若干个查询谓词(Field Looups)
                可以完成非等值条件的查询
                Entry.objects.filter(属性__查询谓词=值)
                所有支持条件查询的地方都可以写谓词
                filter(),get(),exclude()

    # 查询所有age大于30的author信息
    authors = Author.objects.filter(age__gt=30).values()
    print(authors)
    # 查询所有姓王的author信息
    authors = Author.objects.filter(name__startswith="王").values()
    print(authors)
    # 查询所有email中包含wang的author信息
    authors = Author.objects.filter(email__contains="wang")
    print(authors)

    对条件去反:
            exclude(条件)
            对现有条件进行取反操作查询
            Entry.objects.exclude(条件)

    # 对条件取反操作  查询年龄小于30的
    author = Author.objects.exclude(age__gt=30).valuea()
    

        聚合查询(无分组):
            aggregate()
            Entry.objects.all().aggregate(名=聚合函数("字段")
            集合函数:
                Avg()    平均值
                Count()  数量
                Sum()    求和
                Min()    求最小
                Max()    求最大

    # 聚合函数
    result = Author.objects.all().aggregate(avg=Avg("age"))
    print(result)

        聚合查询(有分组)
            annotate()
            Entry.objects.all().values("字段1", ...).annotate(字段=聚合函数()).values('字段1'...)
            第一个values是用于做聚合分组 第二个是具体筛选的值

    # 分组聚合
    result = Author.objects.values("isActive").annotate(sum=Sum("age")).filter(isActive=True).all()
    print(result)

        排序查询:
            order_by()
            Entry.objects.order_by("字段1", "字段2")
            默认升序  以列1进行排序 如果列1出现重复以列2进行排序
            降序排序在列明前加"-"号

    # 排序查询
    result = Author.objects.order_by("-id")
    for re in result:
        print(re)

    修改单个实体:
        1.查
          通过get()得到要修改的实体对象
        2.改
          通过对象的属性来修改对象的值
        3.保存
          通过对象的save()保存会数据库

def update1_views(request):
    # # 修改ID为2 的author信息
    au = Author.objects.get(id=2)
    au.age = 33
    au.email = "baidu@163.com"
    au.isActive = False
    au.save()

    批量修改:
        调用 QuerySet的update(属性=值, 属性=值) 实现批量修改

    # 将isActive为False的数据  全部改为True
    Author.objects.filter(isActive=False).update(isActive=True)

    删除:
        调用实体对象或查询结果集的delete()就可以删除

    # 删除
    author = Author.objects.get(id=1)
    author.delete()

    author = Author.objects.filter(name="Paris")
    author.delete()

        一般情况下很少有删除都是利用改变某个字段的状态来达到删除的效果

    author = Author.objects.get(id=id)
    # 通过修改状态模拟删除
    author.isActive = False
    author.save()

       django转发与重定向的区别  转发:相当只有一个路由最终的结果是由一个视图函数处理
           另一个视图只是做了一个调用另个函数的作用   
           重定向是访问 两个路由  分别由两个视图进行处理 
           转发不会改变url 只有一个请求  重定向会改变url  有两次请求

    # 转发
    # return query_all_views(request)

    # 重定向
    # return HttpResponseRedirect("/query_all")
    return redirect("/query_all")




相关文章
|
1月前
|
安全 前端开发 数据库
Python 语言结合 Flask 框架来实现一个基础的代购商品管理、用户下单等功能的简易系统
这是一个使用 Python 和 Flask 框架实现的简易代购系统示例,涵盖商品管理、用户注册登录、订单创建及查看等功能。通过 SQLAlchemy 进行数据库操作,支持添加商品、展示详情、库存管理等。用户可注册登录并下单,系统会检查库存并记录订单。此代码仅为参考,实际应用需进一步完善,如增强安全性、集成支付接口、优化界面等。
|
3月前
|
数据采集 存储 JSON
Python网络爬虫:Scrapy框架的实战应用与技巧分享
【10月更文挑战第27天】本文介绍了Python网络爬虫Scrapy框架的实战应用与技巧。首先讲解了如何创建Scrapy项目、定义爬虫、处理JSON响应、设置User-Agent和代理,以及存储爬取的数据。通过具体示例,帮助读者掌握Scrapy的核心功能和使用方法,提升数据采集效率。
193 6
|
22天前
|
人工智能 开发者 Python
Chainlit:一个开源的异步Python框架,快速构建生产级对话式 AI 应用
Chainlit 是一个开源的异步 Python 框架,帮助开发者在几分钟内构建可扩展的对话式 AI 或代理应用,支持多种工具和服务集成。
137 9
|
1月前
|
JSON 安全 中间件
Python Web 框架 FastAPI
FastAPI 是一个现代的 Python Web 框架,专为快速构建 API 和在线应用而设计。它凭借速度、简单性和开发人员友好的特性迅速走红。FastAPI 支持自动文档生成、类型提示、数据验证、异步操作和依赖注入等功能,极大提升了开发效率并减少了错误。安装简单,使用 pip 安装 FastAPI 和 uvicorn 即可开始开发。其优点包括高性能、自动数据验证和身份验证支持,但也存在学习曲线和社区资源相对较少的缺点。
84 15
|
1月前
|
关系型数据库 API 数据库
Python流行orm框架对比
Python中有多个流行的ORM框架,如SQLAlchemy、Django ORM、Peewee、Tortoise ORM、Pony ORM、SQLModel和GINO。每个框架各有特点,适用于不同的项目需求。SQLAlchemy功能强大且灵活,适合复杂项目;Django ORM与Django框架无缝集成,易用性强;Peewee轻量级且简单,适合小型项目;Tortoise ORM专为异步框架设计;Pony ORM查询语法直观;SQLModel结合Pydantic,适合FastAPI;GINO则适合异步环境开发。初学者推荐使用Django ORM或Peewee,因其易学易用。
|
1月前
|
人工智能 分布式计算 大数据
MaxFrame 产品评测:大数据与AI融合的Python分布式计算框架
MaxFrame是阿里云MaxCompute推出的自研Python分布式计算框架,支持大规模数据处理与AI应用。它提供类似Pandas的API,简化开发流程,并兼容多种机器学习库,加速模型训练前的数据准备。MaxFrame融合大数据和AI,提升效率、促进协作、增强创新能力。尽管初次配置稍显复杂,但其强大的功能集、性能优化及开放性使其成为现代企业与研究机构的理想选择。未来有望进一步简化使用门槛并加强社区建设。
80 7
|
2月前
|
JSON 数据可视化 测试技术
python+requests接口自动化框架的实现
通过以上步骤,我们构建了一个基本的Python+Requests接口自动化测试框架。这个框架具有良好的扩展性,可以根据实际需求进行功能扩展和优化。它不仅能提高测试效率,还能保证接口的稳定性和可靠性,为软件质量提供有力保障。
96 7
|
2月前
|
分布式计算 大数据 数据处理
技术评测:MaxCompute MaxFrame——阿里云自研分布式计算框架的Python编程接口
随着大数据和人工智能技术的发展,数据处理的需求日益增长。阿里云推出的MaxCompute MaxFrame(简称“MaxFrame”)是一个专为Python开发者设计的分布式计算框架,它不仅支持Python编程接口,还能直接利用MaxCompute的云原生大数据计算资源和服务。本文将通过一系列最佳实践测评,探讨MaxFrame在分布式Pandas处理以及大语言模型数据处理场景中的表现,并分析其在实际工作中的应用潜力。
116 2
|
3月前
|
设计模式 前端开发 数据库
Python Web开发:Django框架下的全栈开发实战
【10月更文挑战第27天】本文介绍了Django框架在Python Web开发中的应用,涵盖了Django与Flask等框架的比较、项目结构、模型、视图、模板和URL配置等内容,并展示了实际代码示例,帮助读者快速掌握Django全栈开发的核心技术。
269 45
|
3月前
|
Java 测试技术 持续交付
【入门思路】基于Python+Unittest+Appium+Excel+BeautifulReport的App/移动端UI自动化测试框架搭建思路
本文重点讲解如何搭建App自动化测试框架的思路,而非完整源码。主要内容包括实现目的、框架设计、环境依赖和框架的主要组成部分。适用于初学者,旨在帮助其快速掌握App自动化测试的基本技能。文中详细介绍了从需求分析到技术栈选择,再到具体模块的封装与实现,包括登录、截图、日志、测试报告和邮件服务等。同时提供了运行效果的展示,便于理解和实践。
190 4
【入门思路】基于Python+Unittest+Appium+Excel+BeautifulReport的App/移动端UI自动化测试框架搭建思路

热门文章

最新文章

推荐镜像

更多