首页 > Python资料 博客日记
详细分析Python中的SQLAlchemy库(附Demo)
2024-05-29 15:00:04Python资料围观239次
目录
前言
了解这篇文章的同时推荐阅读:
1. 基本知识
一、ORM (对象关系映射):
- SQLAlchemy 是Python SQL工具包和对象关系映射器(ORM),允许Python开发者在应用程序中使用SQL来交互,而无需处理数据库的具体细节
- 提供一个高层的抽象层,允许开发者通过Python类和对象来表示数据库中的表和行,从而使得数据库操作更加方便和灵活
二、核心(Core):
SQLAlchemy 的核心部分提供了一组工具来执行SQL操作,包括创建和执行SQL语句
、连接池管理
、事务管理
等。开发者可以使用核心部分来执行一些高级的数据库操作,如自定义SQL语句
、连接到数据库
等。
三、优点:
-
灵活性
:
多种不同的方式来与数据库交互,包括使用核心部分执行原始SQL语句、使用ORM进行对象关系映射、以及使用表达式语言构建SQL查询等 -
功能丰富
:
许多功能丰富的工具和API,满足各种不同的数据库操作需求 -
ORM支持
:
SQLAlchemy 的ORM工具允许开发者使用Python类来代表数据库中的表和行,从而使得数据库操作更加Pythonic和易于理解
ORM工具提供了一种高级的抽象,隐藏了底层数据库操作的细节,使得开发者可以更专注于业务逻辑的实现 -
跨数据库支持
:
支持多种不同的数据库后端,包括MySQL、PostgreSQL、SQLite等 -
活跃的社区
:
SQLAlchemy 有一个活跃的社区,提供了大量的文档、教程和示例代码,使得开发者可以更容易地学习和使用这个工具包
四、缺点:性能开销
尽管SQLAlchemy提供了许多便利的功能,但有时候这些功能可能会带来一定的性能开销。特别是在处理大量数据或需要高性能的场景下,可能需要仔细优化代码以减少性能损失
五、与其他工具比较:
与其他ORM工具的比较:
Django ORM | Peewee | SQLObject |
---|---|---|
与Django ORM相比,SQLAlchemy提供了更多的灵活性和功能,尤其是在处理复杂数据库操作和跨数据库支持方面 但Django ORM更容易上手,并且与Django框架无缝集成,适合快速开发和小型项目 | Peewee 是另一个轻量级的Python ORM工具,相比于SQLAlchemy,它的学习曲线更为平缓,适合于简单的数据库操作和小型项目 但Peewee的功能相对较少,不如SQLAlchemy灵活 | SQLObject 是另一个Python ORM库,它的设计更加接近于Active Record模式,与SQLAlchemy的Data Mapper模式有所不同 但SQLObject的学习曲线较陡,且功能相对较少,通常适用于简单的数据库操作 |
2. 基本API
-
安装库:
pip install SQLAlchemy
-
验证是否安装成功:
python -c "import sqlalchemy; print(sqlalchemy.__version__)"
或者pip show sqlalchemy
为了让大家更快上手,先学习下下面这个实战项目:
from sqlalchemy import create_engine, Column, Integer, String
from sqlalchemy.orm import sessionmaker
from sqlalchemy.ext.declarative import declarative_base
# 创建引擎
engine = create_engine('mysql+pymysql://root:root@127.0.0.1:3306/easy-admin')
# 创建Session
Session = sessionmaker(bind=engine)
session = Session()
# 定义映射类
Base = declarative_base()
class User(Base):
__tablename__ = 'manong'
id = Column(Integer, primary_key=True)
name = Column(String(255)) # 在这里指定了 name 列的长度为 255
age = Column(Integer)
# 创建表
Base.metadata.create_all(engine)
# 插入数据
new_user = User(name='yanjiuseng', age=25)
session.add(new_user)
session.commit()
# 查询数据
query = session.query(User).filter(User.age > 18)
result = query.all()
for user in result:
print(user.name, user.age)
最终截图如下:
通过看完整个代码逻辑,带着一些小疑问,深入探讨下这些API的使用方式
2.1 create_engine(创建引擎)
create_engine
函数用于创建一个与数据库的连接引擎,该引擎可以执行SQL操作
from sqlalchemy import create_engine
engine = create_engine('mysql+pymysql://username:password@host:port/database')
针对里头的参数解释如下:
mysql
:指定数据库类型,这里是 MySQL 数据库username
:数据库用户名password
:数据库密码host
:数据库主机名或 IP 地址port
:数据库端口号,默认是 MySQL 的端口号 3306database
:要连接的数据库名称
MySQL 数据库用户名是 user1,密码是 pass123,主机名是 localhost,端口号是 3306,要连接的数据库名称是 my_database,那么连接字符串就应该是:
'mysql://user1:pass123@localhost:3306/my_database'
对于数据库类型常用的:mysql+pymysql
,主要区别在于其使用的数据库驱动程序不同。
-
mysql+pymysql
:(更简单地安装和使用,可以选择使用 pymysql)
指定使用 PyMySQL 作为连接 MySQL 数据库的驱动程序,PyMySQL 是一个纯 Python 实现的 MySQL 客户端库,兼容 Python 数据库 API 规范 2.0,可以在 Python 中直接使用 -
mysql
:(对性能要求比较高,可以选择使用 mysql 并配合 MySQLdb 或者 mysqlclient)
没有指定具体的数据库驱动程序,使用默认的 MySQL 客户端库,一般情况下会使用 MySQLdb 或者 mysqlclient
再额外补充其他的URL格式:
# MySQL-Python:
mysql+mysqldb://<user>:<password>@<host>:<port>/<dbname>
# pymysql:
mysql+pymysql://<username>:<password>@<host>:<port>/<dbname>?<options>
# MySQL-Connector:
mysql+mysqlconnector://<user>:<password>@<host>:<port>/<dbname>
# cx_Oracle:
oracle+cx_oracle://<user>:<password>@<host>:<port>/<dbname>?key=value&key=value...
2.2 sessionmaker(创建session)
用于创建一个 Session 类,该类用于执行 ORM(对象关系映射)操作
主要作用是创建一个会话工厂,通过工厂可以创建数据库会话对象,用于在代码中执行数据库操作
# 创建Session
Session = sessionmaker(bind=engine)
session = Session()
其中sessionmaker的参数如下:
bind
:要绑定到的数据库引擎,通常是一个 create_engine 函数返回的 Engine 对象class_
:可选参数,指定要创建的会话类,默认为 Session 类autocommit
:是否自动提交事务,默认为 Falseautoflush
:是否自动刷新会话,默认为 Trueexpire_on_commit
:在提交事务时是否自动使对象过期,默认为 Trueinfo
:一个字典,用于指定会话的其他配置信息
具体示例如下:
from sqlalchemy import create_engine
from sqlalchemy.orm import sessionmaker
# 创建引擎
engine = create_engine('sqlite:///example.db')
# 创建会话工厂
Session = sessionmaker(bind=engine, autocommit=False, autoflush=True)
# 创建会话对象
session = Session()
需要注意的点如下:
- 在使用会话对象执行数据库操作后,一般需要调用
commit
方法提交事务,或者调用rollback
方法回滚事务。 - 在会话对象的作用域结束时,通常需要调用
close
方法关闭会话,释放数据库连接资源。
2.3 declarative_base(定义映射类)
使用 ORM 进行数据库操作的核心部分之一,涉及到将数据库中的表映射到 Python 中的类,以及定义类属性来表示表的列
一、映射类的定义:
通过创建Python 类来表示数据库中的表
该类通常继承自 SQLAlchemy 的 Base 类,而 Base 类是使用 declarative_base()
函数创建的
from sqlalchemy.ext.declarative import declarative_base
Base = declarative_base()
二、表的映射:
在映射类中定义 __tablename__
属性,指定该类所映射的数据库表的名称
class User(Base):
__tablename__ = 'users'
三、列的映射:
在映射类中定义类属性,来表示表中的列
每个类属性通常都会被定义为 Column
对象,并指定其数据类型以及其他属性
from sqlalchemy import Column, Integer, String
class User(Base):
__tablename__ = 'users'
id = Column(Integer, primary_key=True)
name = Column(String(255))
age = Column(Integer)
对应的属性如下:
属性的含义:
Column
:表示一个数据库表的列Integer
、String
等数据类型:表示列的数据类型primary_key=True
:指定该列为主键
其他参数:例如长度、唯一性等,用于进一步定义列的属性
2.4 SQL与ORM差异
一、基于 SQL 的查询:
特点:
- 原始的 SQL 查询语句,手动编写 SQL 语句来执行数据库操作。
- 于执行复杂的查询、跨表查询或性能要求较高的场景
示例代码:
from sqlalchemy import create_engine, text
# 创建引擎
engine = create_engine('mysql+pymysql://root:root@127.0.0.1:3306/easy-admin')
# 执行 SQL 查询
with engine.connect() as connection:
result = connection.execute(text("SELECT * FROM manong WHERE age > :age"), {'age': 18})
for row in result:
print(row)
截图如下:
二、基于ORM查询:
- 操作对象来执行数据库操作,而不需要编写原始的 SQL 语句
- 提供了更加 Pythonic 和面向对象的接口,使得代码更加清晰和易于维护
from sqlalchemy import create_engine, Column, Integer, String
from sqlalchemy.orm import sessionmaker
from sqlalchemy.ext.declarative import declarative_base
# 创建引擎
engine = create_engine('mysql+pymysql://root:root@127.0.0.1:3306/easy-admin')
# 创建Session
Session = sessionmaker(bind=engine)
session = Session()
# 定义映射类
Base = declarative_base()
class User(Base):
__tablename__ = 'manong'
id = Column(Integer, primary_key=True)
name = Column(String(255)) # 在这里指定了 name 列的长度为 255
age = Column(Integer)
result = session.query(User).filter(User.age > 18).all()
for user in result:
print(user.name, user.age)
区别的方式在于:
- 实现方式:基于 SQL 的查询直接使用原始的 SQL 语句,而基于 ORM 的查询则是通过 ORM 工具来执行数据库操作
- 编写方式:基于 SQL 的查询需要开发者手动编写 SQL 语句,而基于 ORM 的查询则是通过操作对象来执行数据库操作,不需要编写原始的 SQL 语句
- 灵活性:基于 SQL 的查询更加灵活,可以执行复杂的原始 SQL 查询,而基于 ORM 的查询提供了更加 Pythonic 和面向对象的接口,使得代码更加清晰和易于维护
3. ORM CRUD
对于基本的SQL查询,需要编写SQL语句,此处偏向实战类,所以详细补充ORM CRUD的的基本知识
前半部分代码如下:
from sqlalchemy import create_engine, Column, Integer, String
from sqlalchemy.orm import sessionmaker
from sqlalchemy.ext.declarative import declarative_base
# 创建引擎
engine = create_engine('mysql+pymysql://root:root@127.0.0.1:3306/easy-admin')
# 创建Session
Session = sessionmaker(bind=engine)
session = Session()
# 定义映射类
Base = declarative_base()
class User(Base):
__tablename__ = 'manong'
id = Column(Integer, primary_key=True)
name = Column(String(255)) # 在这里指定了 name 列的长度为 255
age = Column(Integer)
# 创建表
Base.metadata.create_all(engine)
3.1 增加(C)
- 添加单个对象:将新对象添加到数据库中
user = User(name='AA', age=30)
session.add(user)
session.commit()
- 添加多个对象:将多个新对象批量添加到数据库中
users = [User(name='BB', age=30), User(name='CC', age=25)]
session.add_all(users)
session.commit()
3.2 查找(R)
- 查询所有对象:从数据库中检索所有对象
all_users = session.query(User).all()
- 根据条件查询:根据指定条件过滤对象
# # 查询数据
result = session.query(User).filter(User.age > 18).all()
for user in result:
print(user.name, user.age)
- 查询单个对象:从数据库中检索满足条件的单个对象
user = session.query(User).filter_by(name='Alice').first()
3.3 更新(U)
- 更新单个对象:修改数据库中的现有对象
user = session.query(User).filter_by(name='Alice').first()
user.age = 35
session.commit()
- 批量更新:使用
update()
方法批量更新满足条件的对象
session.query(User).filter(User.age < 30).update({'age': 30})
session.commit()
3.4 删除(D)
- 删除单个对象:从数据库中删除指定的对象
user = session.query(User).filter_by(name='Alice').first()
session.delete(user)
session.commit()
- 批量删除:使用
delete()
方法批量删除满足条件的对象
session.query(User).filter(User.age > 30).delete()
session.commit()
4. 彩蛋
4.1 建表Bug
建表的过程中如果语句如下:
class Manong(Base):
__tablename__ = 'manong'
id = Column(Integer)
name = Column(String)
报错信息如下: sqlalchemy.exc.CompileError: (in table 'manong', column 'name'): VARCHAR requires a length on dialect mysql
主要问题如下:
在 MySQL 中,VARCHAR 类型的列必须指定长度,即字符的最大数量。
需要为表中的 VARCHAR 类型的列指定长度
将其代码修改为:
from sqlalchemy import Column, Integer, String
from sqlalchemy.ext.declarative import declarative_base
Base = declarative_base()
class Manong(Base):
__tablename__ = 'manong'
id = Column(Integer, primary_key=True)
name = Column(String(255)) # 在这里指定了 name 列的长度为 255
# 继续定义其他列和表结构
如果不是建表,可以省略字段长度
4.2 filter 和 filter_by
filter
方法使用类名和属性名来构建查询条件,比较通常使用==
,也可以使用其他比较操作符如>
,<
,>=
,<=
等filter_by
方法直接使用属性名和相应的值来构建查询条件,比较通常使用=
以下为简易Demo,方便理解:
# 使用 filter 方法
from sqlalchemy.orm import sessionmaker
Session = sessionmaker(bind=engine)
session = Session()
# 查询名字为 Alice 的记录
alice_records = session.query(User).filter(User.name == 'Alice').all()
# 查询年龄大于等于 25 岁的记录
older_users = session.query(User).filter(User.age >= 25).all()
# 使用 filter_by 方法
# 查询名字为 Alice 的记录
alice_records = session.query(User).filter_by(name='Alice').all()
filter 的组合查询: (这个在实战中比较常用!!!)
通过连续调用来实现多个条件的组合查询,或者使用AND 条件连接多个条件
# 使用 filter 连续添加条件查询
# 查询名字为 Alice 且年龄大于等于 25 岁的记录
alice_older_records = session.query(User).filter(User.name == 'Alice').filter(User.age >= 25).all()
或者如下:
from sqlalchemy import and_
# 使用 and_ 函数连接两个条件
alice_older_records = session.query(User).filter(and_(User.name == 'Alice', User.age >= 25)).all()
标签:
相关文章
最新发布
- 【Python】selenium安装+Microsoft Edge驱动器下载配置流程
- Python 中自动打开网页并点击[自动化脚本],Selenium
- Anaconda基础使用
- 【Python】成功解决 TypeError: ‘<‘ not supported between instances of ‘str’ and ‘int’
- manim边学边做--三维的点和线
- CPython是最常用的Python解释器之一,也是Python官方实现。它是用C语言编写的,旨在提供一个高效且易于使用的Python解释器。
- Anaconda安装配置Jupyter(2024最新版)
- Python中读取Excel最快的几种方法!
- Python某城市美食商家爬虫数据可视化分析和推荐查询系统毕业设计论文开题报告
- 如何使用 Python 批量检测和转换 JSONL 文件编码为 UTF-8
点击排行
- 版本匹配指南:Numpy版本和Python版本的对应关系
- 版本匹配指南:PyTorch版本、torchvision 版本和Python版本的对应关系
- Python 可视化 web 神器:streamlit、Gradio、dash、nicegui;低代码 Python Web 框架:PyWebIO
- 相关性分析——Pearson相关系数+热力图(附data和Python完整代码)
- Anaconda版本和Python版本对应关系(持续更新...)
- Python与PyTorch的版本对应
- Windows上安装 Python 环境并配置环境变量 (超详细教程)
- Python pyinstaller打包exe最完整教程