一、ORM技术简介
1.ORM：及Object-Relational Mapping，把关系数据库的表结构映射到对象上 我们先来可能一个例子： 如果我们从数据库查出来几条数据，需要你在python中表示出来，如果你没有接触过ORM技术，你或许会使用下面的形式来存储这个数据： [ (1, ‘ling’), (2, ‘shang’), (3, ‘huo’), ] 如果你想知道表结构是什么样的，是不是就费劲了，如果你想快速的出其中的元素，就需要听听ORM的思想了。
2.数据库中每次查出来的数据都用一个类表示，这个类的属性和数据库中表的字段一一对应。多条数据，就是一个list，每一行数据都是一个类来表示，如下所示： class User(object): def __init__(self, id, name): self.id = id self.name = name [ User(1, “ling”), User(2, “shang”), User(3, “huo”), ] 当我们需要获得id，或者name的时候，只需要通过循环获取到对象，直接通过user1.id或者user1.name就可以获取到id和name的属性。并且使得数据的存取非常的规范，这样ORM架构应用而生。
3.Python中最有名的ORM架构就是SQLAlchemy，我们主要就是来学习SQLAlchemy的使用 安装环境： pip install SQLAlchemy 安装mysql yum install mysql-server mysql service mysqld restart sysctmctl restart mysql.service 创建数据库 create database sqlalchemy; 授权： GRANT ALL PRIVILEGES ON *.* TO 'xiang'@'%' IDENTIFIED BY ‘xiang’;
4.初始化连接： from sqlalchemy import create_engine engine = create_engine('mysql://xiang:[email protected]/sqlalchemy', echo=True) echo参数为True时，会显示每条执行的SQL语句，可以关闭， create_engine()返回一个Engine的实例，并且它表示通过数据库语法处理细节的核心接口，在这种情况下，数据库语法将会被解释成python的类方法。 mysql://xiang:[email protected]/sqlalchemy mysql: 指定是哪种数据库连接 第一个xiang： 用户名 第二个xiang： xiang用户对应的密码 192.168.48.131： 数据库的ip sqlalchemy： 数据库需要连接库的名字
5.创建表格 1. 主要是通过sql语句来创建表格： from sqlalchemy import create_engine from sqlalchemy.orm import sessionmaker sql = '''create table student( id int not null primary key, name varchar(50), age int, address varchar(100)); '''
6.Column类 构造函数： Column.__init__(self, name, type_, *args, **kwargs) 1、name 列名 2、type_ 类型，更多类型 sqlalchemy.types 3、*args Constraint（约束）, ForeignKey（外键）, ColumnDefault（默认）, Sequenceobjects（序列）定义 4、key 列名的别名，默认None 下面是可变参数 **kwargs 5、primary_key 如果为True，则是主键 6、nullable 是否可为Null，默认是True 7、default 默认值，默认是None 8、index 是否是索引，默认是True 9、unique 是否唯一键，默认是False 10、onupdate 指定一个更新时候的值，这个操作是定义在SQLAlchemy中，不是在数据库里的，当更新一条数据时设置，大部分用于updateTime这类字段 11、autoincrement 设置为整型自动增长，只有没有默认值，并且是Integer类型，默认是True 12、quote 如果列明是关键字，则强制转义，默认False
7.创建会话： 说到数据库，就离不开Session。Session的主要目的是建立与数据库的会话，它维护你加载和关联的所有数据库对象。它是数据库查询（Query）的一个入口。 在Sqlalchemy中，数据库的查询操作是通过Query对象来实现的。而Session提供了创建Query对象的接口。 Query对象返回的结果是一组同一映射（Identity Map）对象组成的集合。事实上，集合中的一个对象，对应于数据库表中的一行（即一条记录）。所谓同一映射，是指每个对象有一个唯一的ID。如果两个对象（的引用）ID相同，则认为它们对应的是相同的对象。 要完成数据库查询，就需要建立与数据库的连接。这就需要用到Engine对象。一个Engine可能是关联一个Session对象，也可能关联一个数据库表。 当然Session最重要的功能还是实现原子操作。 ORM通过session与数据库建立连接进行通信，如下所示： from sqlalchemy.orm import sessionmaker DBSession = sessionmaker(bind=engine) session = DBSession() 通过sessionmake方法创建一个Session工厂，然后在调用工厂的方法来实例化一个Session对象。
8.(1).查询： 查询是这个里面最为复杂，最为繁琐的一个步骤。 通过Session的query()方法创建一个查询对象。这个函数的参数数量是可变的，参数可以是任何类或者是类的描述的集合。下面来看一个例子： my_stdent = session.query(Student).filter_by(name="lingxiangxiang2").first() print(my_stdent) 此时我们看到的输出结果是这样的： <__main__.Student object at 0x032745F0> 前面我们在赋值的时候，我们可以通过实例化一个对象，然后直接映射到数据库中，那我们在查询出来的数据sqlalchemy直接给映射成一个对象了（或者是每个元素为这种对象的列表），对象和我们创建表时候的class是一致的，我们就也可以直接通过对象的属性就可以直接调用就可以了。 print(my_student.id, my_student.name, my_student.age, my_student.address) 结果： (10003L, 'lingxiangxiang2', 182L, 'shanxi')
(2).查询： filter()和filter_by()的区别： Filter： 可以像写 sql 的 where 条件那样写 > < 等条件，但引用列名时，需要通过 类名.属性名 的方式。 filter_by： 可以使用 python 的正常参数传递方法传递条件，指定列名时，不需要额外指定类名。，参数名对应名类中的属性名，但似乎不能使用 > < 等条件。 当使用filter的时候条件之间是使用“=="，fitler_by使用的是"="。 user1 = session.query(User).filter_by(id=1).first() user1 = session.query(User).filter(User.id==1).first() filter不支持组合查询，只能连续调用filter来变相实现。 而filter_by的参数是**kwargs，直接支持组合查询。 比如： q = sess.query(IS).filter(IS.node == node and IS.password == password).all()
课堂案例如下：
案例一、
class Student(object):
def __init__(self, id, name, age, sex, grander):
self.id = id
self.name = name
self.age = age
self.sex = sex
self.grander = grander
student1 = Student('10001', 'ling', 25, 'M', 78)
print(student1.name)
案例二、
1.安装sqlachemy
pip install SQLAchemy
cus = engine.connect() 这个跟我们上节课说的游标操作雷同的
from sqlalchemy import create_engine
#创建工程，数据库连接。
engine = create_engine('mysql+pymysql://xiang:[email protected]/sqlalchemy')
print(engine)
sql = '''create table student(
id int not null PRIMARY KEY,
name varchar(100),
age int,
address varchar(100)
);'''
cus = engine.connect()
cus.execute(sql)
cus.close()
案例三：
from sqlalchemy import create_engine, MetaData, Table, Column, Integer, String
engine = create_engine('mysql+pymysql://xiang:[email protected]/sqlalchemy')
metadata = MetaData(engine)
teacher = Table('teacher', metadata,
Column('id', Integer, primary_key=True),
Column('name', String(50), ),
Column('age', Integer),
Column('sex', String(10)),
)
metadata.create_all(engine)
案例四：
from sqlalchemy import create_engine, Column, Integer, String
from sqlalchemy.ext.declarative import declarative_base
from sqlalchemy.orm import sessionmaker
engine = create_engine('mysql+pymysql://xiang:[email protected]/sqlalchemy')
DBsession = sessionmaker(bind=engine)
session = DBsession()
Base = declarative_base()
class Student(Base):
__tablename__ = 'student'
id = Column(Integer, primary_key=True)
name = Column(String(100))
age = Column(Integer)
address = Column(String(100))
student1 = Student(id=1001, name='ling', age=25, address="beijing")
student2 = Student(id=1002, name='molin', age=18, address="jiangxi")
student3 = Student(id=1003, name='karl', age=16, address="suzhou")
# session.add_all([student1, student2, student3])
# session.commit()
# session.close()
a = session.query(Student).filter(Student.id>1001).all()
print(a)
for i in a:
print(i.id)
print(i.name)
print(i.age)
print(i.address)
案例五，注意事项。
filter和filter_by
filter_by(name="ling") 不能使用> < =
filter(Student.id>1001) 这个就必须使用Student.id 可以使用> < =等