Mysql存储之ORM框架SQLAlchemy

什么是ORM

ORM技术：Object-Relational Mapping，把关系数据库的表结构映射到对象上
也就是说不用再操作mysql的底层语句，而是通过操作映射后的对象。

安装与导入Sqlalchemy包

安装需要

pip install sqlalchemy
另外这里用了pymysql作为引擎，所以还要运行

pip install pymysql
导入需要的包

from sqlalchemy import (create_engine,MetaData)
from sqlalchemy.orm import sessionmaker
from sqlalchemy.ext.declarative import declarative_base

创建一个engine

链接形式:'数据库类型+数据库驱动名称://用户名:口令@机器地址:端口号/数据库名'

#basic.py
connect_str= "mysql+pymysql://root:@localhost:3306/test?charset=ut8mb4"
engine = create_engine(connect_str,echo=True)
Base=declarative_base()#生成一个SqlORM 基类
Session=sessionmaker(bind=eng,expire_on_commit=False)#bind绑定,创建与数据库的会话session class
db_session=Session()
metadata=MetaData(engine )# 绑定元信息
__all__ = ['eng', 'Base', 'db_session', 'metadata']#返回提供给后面程序用

create_engine()用来初始化数据库连接
echo=True对打印出原始的sql语句。默认Flase

当我们使用ORM的时候，其配置过程主要分为两个部分：一是描述我们要处理的数据库表的信息，二是将我们的Python类映射到这些表上。这两个过程在SQLAlchemy中是一起完成的，我们将这个过程称之为Declarative
使用Declarative参与ORM映射的类需要被定义成为一个指定基类的子类，这个基类应当含有ORM映射中相关的类和表的信息。这样的基类我们称之为declarative base class。在我们的应用中，我们一般只需要一个这样的基类。这个基类我们可以通过declarative_base来创建，

创建表结构

#tables.py
#-*- coding=utf-8 -*-
from sqlalchemy import (
    Table, Column, INTEGER, String, Text,DateTime,BIGINT,CHAR,DECIMAL)
from .basic import metadata
import datetime

dl_item=Table("test",metadata,
                Column("id",BIGINT,primary_key=True,autoincrement=True),
                Column("name",String(30)),
                Column("hobby",String(45)),
                Column("date",DateTime),
)

创建模型映射

#model.py
# -*- coding=utf-8 -*-
from dbs.basic import Base
from dbs.tables import *

class LoginInfo(Base):
    __table__=test#填写表名

1.从Base派生一个名为LoginInfo的类，在这个类里面我们可以定义将要映射到数据库的表上的属性（主要是表的名字，列的类型和名称等）.
2.类至少应该包含一个名为tablename的属性来给出目标表的名称，以及至少一个Column来给出表的主键(Primary Key)

查询操作

 list = db_session.query(LoginInfo).filter_by(name="zs",hobby="music")
.filter(LoginInfo.id.in_([1,2,3,4,5])).order_by(LoginInfo.id).all()
for item in list:
   print(item.__dict__) #通过循环,然后获取对象的所有属性方法。

filter_by不支持使用mysql中的in 操作，所有使用filter，但是要注意的是使用filter查询的时候，需要对象.属性进行字段的操作。
下面是关于filter的更多方法:

等于

query.filter(LoginInfo.name == 'zs')#等于

不等于

query.filter(LoginInfo.name != 'zs')#不等于

LIKE

query.filter(LoginInfo.name.like('%an%'))#like语句

IN

query.filter(LoginInfo.name.in_(['zs', 'ls', 'ww']))#in语句
或者类似的使用子查询
query.filter(User.name.in_(
        session.query(LoginInfo.name).filter(LoginInfo.name.like('%an%'))
))

NOT IN

query.filter(~LoginInfo.name.in_(['zs', 'ls', 'ww']))#not in 

IS NULL

query.filter(LoginInfo.name == None)#is null
或
query.filter(LoginInfo.name.is_(None))

IS NOT NULL

query.filter(LoginInfo.name != None)#IS NOT NULL:
或者
query.filter(LoginInfo.name.isnot(None))

AND

from sqlalchemy import and_
query.filter(and_(LoginInfo.name == 'zs', LoginInfo.hobby == 'music'))
或者
query.filter(LoginInfo.name == 'zs', LoginInfo.hobby == 'music')
或者连续使用filter
query.filter(LoginInfo.name == 'zs').filter(LoginInfo.hobby == 'music')

OR

from sqlalchemy import or_
query.filter(or_(LoginInfo.name == 'zs', LoginInfo.name == 'ls'))

MATCH:

query.filter(LoginInfo.name.match('zhangsan'))

Session的query函数会返回一个Query对象,

all():返回一个对象列表循环之后直接获取对象属性即可。
first():返回至多一个结果，而且以单项形式，而不是只有一个元素的tuple形式返回这个结果.
one():返回且仅返回一个查询结果。当结果的数量不足一个或者多于一个时会报错。

嵌入使用SQL

你可以在Query中通过text()使用SQL语句。例如：

from sqlalchemy import text
for user in session.query(User).filter(text("id<224")).order_by(text("id")).all():
    print(user.name)

除了上面这种直接将参数写进字符串的方式外，你还可以通过params()方法来传递参数

session.query(User).filter(text("id<:value and name=:name")).
     params(value=224, name='fred').order_by(User.id).one()

输出

<User(name='fred', fullname='Fred Flinstone', password='blah')>

并且，你可以直接使用完整的SQL语句，但是要注意将表名和列明写正确。

session.query(User).from_statement(
                     text("SELECT * FROM users where name=:name")).\
                    params(name='ed').all()

输出

[<User(name='ed', fullname='Ed Jones', password='f8s7ccs')>]

该部分内容来自网络。

计数

Query定义了一个很方便的计数函数count()

session.query(User).filter(User.name.like('%ed')).count()

等价于

SELECT count(*) AS count_1
FROM (SELECT users.id AS users_id,
                users.name AS users_name,
                users.fullname AS users_fullname,
                users.password AS users_password
FROM users
WHERE users.name LIKE ?) AS anon_1
('%ed',)

注意上面我们同时列出了实际的SQL指令。在SQLAlchemy中，我们总是将被计数的查询打包成一个子查询，然后对这个子查询进行计数。即便是最简单的SELECT count(*) FROM table，也会如此处理。为了更精细的控制计数过程，我们可以采用func.count()这个函数。

from sqlalchemy import func
session.query(func.count(User.name), User.name).group_by(User.name).all()

等价于

session.query(func.count(User.name), User.name).group_by(User.name).all()
SELECT count(users.name) AS count_1, users.name AS users_name
FROM users GROUP BY users.name

为了实现最简单的SELECT count(*) FROM table，我们可以如下调用

session.query(func.count('*')).select_from(User).scalar()

等价于

SELECT count(?) AS count_1
FROM users
('*',)

如果我们对User的主键进行计数，那么select_from也可以省略。

session.query(func.count(User.id)).scalar()

等价于

SELECT count(users.id) AS count_1
FROM users