详细分析Python中的SQLAlchemy库（附Demo）
前言了解这篇文章的同时保举阅读：
[*]详细解说Python连接Mysql的基本操作
[*]java框架 零底子从入门到夺目的学习路线 附开源项目面经等（超全）
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利用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机动
二、焦点（Core）：
SQLAlchemy 的焦点部门提供了一组工具来实行SQL操作，包括创建和实行SQL语句、连接池管理、事务管理等。开发者可以利用焦点部门来实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：
[*] 机动性：
多种不同的方式来与数据库交互，包括利用焦点部门实行原始SQL语句、利用ORM举行对象关系映射、以及利用表达式语言构建SQL查询等
[*] 功能丰富：
很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工具允许开发者利用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，潜伏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利用这个工具包
四、缺点：性能开销
只管SQLAlchemy提供了很多便利的功能，但偶然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丧失
五、与其他工具比较：
与其他ORM工具的比较：
Django ORMPeeweeSQLObject与Django ORM相比，SQLAlchemy提供了更多的机动性和功能，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，恰当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，恰当于简朴的数据库操作和小型项目
但Peewee的功能相对较少，不如SQLAlchemy机动SQLObject 是另一个Python ORM库，它的计划更加靠近于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，通常实用于简朴的数据库操作 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__)"大概 pip show sqlalchemy
https://img-blog.csdnimg.cn/direct/c58d9c6bf08d4e7295d885e124fc00be.png
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)
终极截图如下：
https://img-blog.csdnimg.cn/direct/485526c463d1444092ba259e9361a878.png
通过看完整个代码逻辑，带着一些小疑问，深入探究下这些API的利用方式
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，该引擎可以实行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 所在
[*]port：数据库端标语，默认是 MySQL 的端标语 3306
[*]database：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，端标语是 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，紧张区别在于其利用的数据库驱动程序不同。
[*] mysql+pymysql：（更简朴地安装和利用，可以选择利用 pymysql）
指定利用 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 中直接利用
[*] mysql：（对性能要求比较高，可以选择利用 mysql 并共同 MySQLdb 大概 mysqlclient）
没有指定具体的数据库驱动程序，利用默认的 MySQL 客户端库，一般情况下会利用 MySQLdb 大概 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，该类用于实行 ORM（对象关系映射）操作
紧张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，用于在代码中实行数据库操作
# 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，默以为 Session 类
[*]autocommit：是否自动提交事务，默以为 False
[*]autoflush：是否自动革新会话，默以为 True
[*]expire_on_commit：在提交事务时是否自动使对象过期，默以为 True
[*]info：一个字典，用于指定会话的其他设置信息
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：
[*]在利用会话对象实行数据库操作后，一般需要调用 commit 方法提交事务，大概调用 rollback 方法回滚事务。
[*]在会话对象的作用域竣事时，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）
利用 ORM 举行数据库操作的焦点部门之一，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 类是利用 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, Stringclass User(Base):
__tablename__ = 'users'
id = Column(Integer, primary_key=True) name = Column(String(255)) age = Column(Integer) 对应的属性如下：
属性的寄义：
[*]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 语句来实行数据库操作。
[*]于实行复杂的查询、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：
https://img-blog.csdnimg.cn/direct/615f36b6853541faa2cd87c7c4d7cf8f.png
二、基于ORM查询：
[*]操作对象来实行数据库操作，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, Stringfrom sqlalchemy.orm import sessionmakerfrom 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 的查询直接利用原始的 SQL 语句，而基于 ORM 的查询则是通过 ORM 工具来实行数据库操作
[*]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实行数据库操作，不需要编写原始的 SQL 语句
[*]机动性：基于 SQL 的查询更加机动，可以实行复杂的原始 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
前半部门代码如下：
from sqlalchemy import create_engine, Column, Integer, Stringfrom sqlalchemy.orm import sessionmakerfrom 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 增长（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 =
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 = 35session.commit()
[*]批量更新：利用 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：利用 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
紧张问题如下：
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, Stringfrom 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布局 如果不是建表，可以省略字段长度
4.2 filter 和 filter_by
[*]filter 方法利用类名和属性名来构建查询条件，比较通常利用 ==，也可以利用其他比较操作符如 >, <, >=, <= 等
[*]filter_by 方法直接利用属性名和相应的值来构建查询条件，比较通常利用 =
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，大概利用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()
大概如下：
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()
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。
页:
[1]