Python编程:Flask数据库扩展Flask-SQLAlchemy

本文涉及的产品
RDS MySQL Serverless 基础系列,0.5-2RCU 50GB
RDS MySQL DuckDB 分析主实例,集群系列 8核16GB
RDS MySQL Serverless 高可用系列,价值2615元额度,1个月
简介: Python编程:Flask数据库扩展Flask-SQLAlchemy

英文文档:http://flask-sqlalchemy.pocoo.org/2.3/

中文文档:http://www.pythondoc.com/flask-sqlalchemy/quickstart.html


安装

pip install flask-sqlalchemy
pip install flask-mysqldb

flask-sqlalchemy

模型类 -> sql
数据库结果 -> 模型类

数据库驱动

# python3
pip install pymysql 
pymysql.install_as_MySQLdb()
# python2
pip install MySQL-Python

数据库设置

# 1、数据库连接
app.config["SQLALCHEMY_DATABASE_URI"] = "msyql://root:123456@127.0.0.1:3306/db_name"
# 2、自动提交(不推荐)
app.config["SQLALCHEMY_COMMIT_ON_TEARDOWN"] = True
# 3、修改自动跟踪
app.config["SQLALCHEMY_TRACK_MODIFICATIONS"] = True
# 4、显示原始SQL
app.config["SQLALCHEMY_ECHO"] = True

代码示例

# -*- coding: utf-8 -*-
from flask import Flask
from flask_sqlalchemy import SQLAlchemy
# 配置参数
class Config(object):
    SQLALCHEMY_DATABASE_URI = "mysql://root:123456@127.0.0.1:3306/demo"
    SQLALCHEMY_TRACK_MODIFICATIONS = True
    # SQLALCHEMY_ECHO = True
app = Flask(__name__)
app.config.from_object(Config)
db = SQLAlchemy(app)
# 创建数据库模型类
class Role(db.Model):
    """用户角色"""
    __tablename__ = "tbl_roles"
    id = db.Column(db.Integer, primary_key=True)
    name = db.Column(db.String(32), unique=True)
    users = db.relationship("User", backref="role")
    def __repr__(self):
        return "<Role name: {}>".format(self.name)
class User(db.Model):
    """用户表"""
    __tablename__ = "tbl_users"  # 表名
    id = db.Column(db.Integer, primary_key=True)  # 整型主键默认自增
    name = db.Column(db.String(64), unique=True)
    email = db.Column(db.String(128), unique=True)
    password = db.Column(db.String(128))
    role_id = db.Column(db.Integer, db.ForeignKey("tbl_roles.id"))
    def __repr__(self):
        return "<User name: {}>".format(self.name)
if __name__ == '__main__':
    # 删除表
    db.drop_all()
    # 创建表
    db.create_all()

创建数据

# 1、创建一条数据
role1 = Role(name="admin")
role2 = Role(name="stuff")
db.session.add(role1)
db.session.add(role2)
db.session.commit()
# 2、 一次保存多个数据
user1 = User(name="张三", email="123@qq.com", password="123456", role_id=role1.id)
user2 = User(name="李四", email="456@qq.com", password="12345x", role_id=role2.id)
user3 = User(name="王五", email="339@qq.com", password="12345y", role_id=role1.id)
user4 = User(name="刘能", email="226@qq.com", password="12345v", role_id=role2.id)
user5 = User(name="赵四", email="778@qq.com", password="12345b", role_id=role1.id)
db.session.add_all([user1, user2, user3, user4, user5])
db.session.commit()

查询数据

# 1、简单查询
rows = Role.query.all()
row = Role.query.first()
row = Role.query.get(<id>)
rows = db.seesion.query(Role).all()
row = db.seesion.query(Role).first()
row = db.seesion.query(Role).get(<id>)
# 2、条件过滤(与关系)
row = Role.query.filter(Role.name="张三", Role.role_id=2).first()
row = Role.query.filter_by(name="张三", role_id=2).first()
# 3、模糊查询(或关系)
from sqlalchemy import or_
row = Role.query.filter(or_(Role.name.startswith("张"), Role.role_id=2)).first()
# 4、分页
rows = Role.query.offset(2).limit(10).all()
# 5、排序
rows = Role.query.order_by("-id").all()
rows = Role.query.order_by(Role.id.desc()).all()
# 6、分组
from sqlalchemy import func
rows = db.session.query(Role.id, func.count(Role.id)).group_by(Role.id)
# 7、外键查询
user = User.query.get(1)
user.role.name
role = Role.query.get(1)
role.users

更新数据

# 1、更新对象
user = User.query.get(1)
user.name = "python"
db.session.add(user)
db.session.commit()
# 2、直接更新数据
User.query.filter_by(name="张三").update({"name": "python"})
db.session.commit()

删除数据

user = User.query.get(1)
db.session.delete(user)
db.session.commit()

注意  更新和删除操作先进行查询校验where条件

相关实践学习
每个IT人都想学的“Web应用上云经典架构”实战
本实验从Web应用上云这个最基本的、最普遍的需求出发,帮助IT从业者们通过“阿里云Web应用上云解决方案”,了解一个企业级Web应用上云的常见架构,了解如何构建一个高可用、可扩展的企业级应用架构。
MySQL数据库入门学习
本课程通过最流行的开源数据库MySQL带你了解数据库的世界。 &nbsp; 相关的阿里云产品:云数据库RDS MySQL 版 阿里云关系型数据库RDS(Relational Database Service)是一种稳定可靠、可弹性伸缩的在线数据库服务,提供容灾、备份、恢复、迁移等方面的全套解决方案,彻底解决数据库运维的烦恼。 了解产品详情:&nbsp;https://www.aliyun.com/product/rds/mysql&nbsp;
相关文章
|
2月前
|
SQL 关系型数据库 数据库
Python SQLAlchemy模块:从入门到实战的数据库操作指南
免费提供Python+PyCharm编程环境,结合SQLAlchemy ORM框架详解数据库开发。涵盖连接配置、模型定义、CRUD操作、事务控制及Alembic迁移工具,以电商订单系统为例,深入讲解高并发场景下的性能优化与最佳实践,助你高效构建数据驱动应用。
312 7
|
2月前
|
Python
Python编程:运算符详解
本文全面详解Python各类运算符,涵盖算术、比较、逻辑、赋值、位、身份、成员运算符及优先级规则,结合实例代码与运行结果,助你深入掌握Python运算符的使用方法与应用场景。
179 3
|
2月前
|
数据处理 Python
Python编程:类型转换与输入输出
本教程介绍Python中输入输出与类型转换的基础知识,涵盖input()和print()的使用,int()、float()等类型转换方法,并通过综合示例演示数据处理、错误处理及格式化输出,助你掌握核心编程技能。
435 3
|
2月前
|
并行计算 安全 计算机视觉
Python多进程编程:用multiprocessing突破GIL限制
Python中GIL限制多线程性能,尤其在CPU密集型任务中。`multiprocessing`模块通过创建独立进程,绕过GIL,实现真正的并行计算。它支持进程池、队列、管道、共享内存和同步机制,适用于科学计算、图像处理等场景。相比多线程,多进程更适合利用多核优势,虽有较高内存开销,但能显著提升性能。合理使用进程池与通信机制,可最大化效率。
266 3
|
3月前
|
数据采集 关系型数据库 MySQL
python爬取数据存入数据库
Python爬虫结合Scrapy与SQLAlchemy,实现高效数据采集并存入MySQL/PostgreSQL/SQLite。通过ORM映射、连接池优化与批量提交,支持百万级数据高速写入,具备良好的可扩展性与稳定性。
|
2月前
|
Java 调度 数据库
Python threading模块:多线程编程的实战指南
本文深入讲解Python多线程编程,涵盖threading模块的核心用法:线程创建、生命周期、同步机制(锁、信号量、条件变量)、线程通信(队列)、守护线程与线程池应用。结合实战案例,如多线程下载器,帮助开发者提升程序并发性能,适用于I/O密集型任务处理。
265 0
|
3月前
|
数据采集 机器学习/深度学习 人工智能
Python:现代编程的首选语言
Python:现代编程的首选语言
291 102
|
3月前
|
数据采集 机器学习/深度学习 算法框架/工具
Python:现代编程的瑞士军刀
Python:现代编程的瑞士军刀
314 104
|
3月前
|
人工智能 自然语言处理 算法框架/工具
Python:现代编程的首选语言
Python:现代编程的首选语言
262 103
|
3月前
|
机器学习/深度学习 人工智能 数据挖掘
Python:现代编程的首选语言
Python:现代编程的首选语言
193 82

热门文章

最新文章

推荐镜像

更多