内容简介:Python支持的数据库有很多,本文将主要拿首先安装基本的数据库驱动
Python支持的数据库有很多, MySQL
作为主流数据库之一,我们不妨了解下它们之间的 小故事
Python操作 MySQL 的库有三个, python-MySQL(MySQLdb)
, PyMySQL
跟 SQLAlchemy
。
python-MySQL(MySQLdb) PyMySQL SQLAlchemy
本文将主要拿 SQLAlchemy
来进行了解学习。
安装工具
首先安装基本的数据库驱动 pymysql
pip3 install pymysql 复制代码
然后安装ORM框架 SQLAlchemy
pip3 install sqlalchemy 复制代码
日常工作中,如果不想每次通过命令行来查看数据的话。推荐安装 Navicat for MySQL
,通过这个图形化 工具 能够方便快捷地操作数据库,实时查询数据。
初始化数据库
安装好必要工具后,我们开始尝试创建个用户数据 user
表来。 首先,使用 SQLAlchemy
连接数据库并定义表结构初始化DBSession。
# 导入SQLAlchemy from sqlalchemy import Column, BIGINT, String, create_engine from sqlalchemy.orm import sessionmaker from sqlalchemy.ext.declarative import declarative_base # 创建基类 Base = declarative_base() # 初始化数据库连接: # '数据库类型+数据库驱动名称://用户名:密码@数据库地址:端口号/数据库名' engine = create_engine('mysql+pymysql://root:123123@mysql:3306/test') # 创建DBSession类型: DBSession = sessionmaker(bind=engine) # 创建session对象: session = DBSession() # 数据库操作方法 # 初始化数据库 def init_db(): Base.metadata.create_all(engine) # 删除数据库 def drop_db(): Base.metadata.drop_all(engine) 复制代码
建立 user
数据表模型:
# 定义user类 class User(Base): # 表名 __tablename__ = "user" # 表的结构 # 设置id为主键 并自增长 id = Column(BIGINT, primary_key=True, autoincrement=True) name = Column(String(20)) gender = Column(String(2)) # 正式初始化数据库,如果没有user表的话,这里将自动创建 init_db() 复制代码
这里有个需要注意的地方就是在初始化数据库之前需要先定义 user
数据表模型,否则的话无法正常创建 user
数据表。 session
(会话),可以看成一个管理数据库持久连接的对象,后面的操作都将基于 session
对象进行。
如果使用INT自增类型,那么当一张表的记录数超过2147483647(约21亿)时,会达到上限而出错。使用BIGINT自增类型则可以最多约922亿亿条记录。
增删改查操作
增
初始化ORM对象后,我们插入一条记录试试。
# 创建新User对象: new_user = User(name='mrlizi', gender='man') # 添加到session: session.add(new_user) # 批量添加 session.add_all([ User(name='子非鱼', gender='M'), User(name='虞姬', gender='F'), User(name='花木兰', gender='F') ]) # 提交即保存到数据库: session.commit() 复制代码
结果:
查
Session
的 query
函数会返回一个Query对象。query函数可以接受多种参数类型。
# query: 输出所有的用户名 result = session.query(User.name) # order: 按倒序输出所有用户 result = session.query(User).order_by(User.id.desc()) result = session.query(User).order_by(-User.id) # label: 自定义字段名,查询结果可通过item.my_name来获取用户名 for item in session.query(User.name.label('my_name')).all() # filter和filter_by: 筛选用户名为'mrlizi'的用户 result = session.query(User).filter(User.name=='mrlizi').one() result = session.query(User).filter_by(name='mrlizi').one() # offset和limit:组合起来可做分页查询(通过 python 的切片其实也一样),下面的两种语句的查询结果是相同的 result = session.query(User).offset(2).limit(1).all() result = session.query(User)[1:3] # AND: 与查询 result = session.query(User).filter(and_(User.name=='mrlizi', User.gender=='M')).all() result = session.query(User).filter(User.name=='mrlizi', User.gender=='M') result = session.query(User).filter(User.name=='mrlizi').filter(User.gender=='M').all() # OR: 或查询 result = session.query(User).filter(or_(User.name == '子非鱼', User.name == '花木兰')) # 模糊查询 result = session.query(User).filter(User.name.like('子%')).all() 复制代码
基本日常用到的查询方法就是这些,面向对象操作的用法都比较灵活多变,大家可以根据不同才场景自由组合。
改
相比去查询来讲,修改就显得简单很多,找到命中的记录,然后通过 update
方法来进行修改。 update
方法的 synchronize_session
参数用于在更新数据后是否对当前的session进行更新, synchronize_session
= False 不同步更新当前session synchronize_session
= 'fetch'
更新之前从数据库中拉取实时数据,更新到session对象 synchronize_session
= 'evaluate'
更新之前先记录符合的对象,更新完后对记录的对象进行删除。(意思是不与数据库进行同步更新,仅更新当前的session记录)
# 方法一 session.query(User).filter(User.name == 'mrlizi').update({'name': '李白'}) # 方法二 user = session.query(User).filter(User.name == '李白').first() user.name = '铠' # 操作方式 result = session.query(User).filter(User.name == '虞姬').update({User.name: '孙尚香'}, synchronize_session='fetch') # 提交 session.commit() 复制代码
删
删除的话,无非就是 查询
到目标记录,然后进行删除。
# 使用查询语句,filter是where条件,最后调用delete()进行删除记录: session.query(User).filter_by(name="铠").delete() session.commit() 复制代码
关联表查询
MySQL
作为关系型数据库,可以通过设置外键来进行多个表互相关联查询。相应的, SQLAlchemy
也提供了对象之间的一对一、一对多、多对多关联功能。
一对多
在 SQLAlchemy
的一对多关系中,使用 ForeignKey()
来表示表的外键, relationship()
表示表与表之间关联的属性。
def one_to_many(): # 定义user类 class User(Base): # 表名 __tablename__ = "user" # 表的结构 # 设置id为主键 并自增长 id = Column(BIGINT, primary_key=True, autoincrement=True) name = Column(String(20)) # 定义用户关注的公众号属性,指明两者的关系 account = relationship('Account', back_populates="user") class Account(Base): __tablename__ = 'account' id = Column(BIGINT, primary_key=True, autoincrement=True) name = Column(String(20)) # 设置外键关联到user表的: user_id = Column(BIGINT, ForeignKey('user.id')) # 定义 Account 的 user 属性,指明两者关系 user = relationship("User", back_populates="account") # 清空数据库并重新初始化 drop_db() init_db() mrlizi = User(name='mrlizi') mrlizi.account = [ Account(name='攻城狮峡谷'), Account(name='zone7') ] session.add(mrlizi) result = session.query(User).filter(User.name == 'mrlizi').one() for item in result.account: print(item.name) result = session.query(Account).filter(Account.name == '攻城狮峡谷').one() print(result.user.name) session.commit() one_to_many() 复制代码
上面代码的实现过程:
user user account
一对一
一对一其实就是两个表互相关联,我们只需要在 一对多 关系基础上的父表中使用 uselist
参数来表示。实现代码如下:
def one_to_one(): # 定义user类 class User(Base): __tablename__ = "user" id = Column(BIGINT, primary_key=True, autoincrement=True) name = Column(String(20)) account = relationship('Account', uselist=False, back_populates="user") # 公众号类 class Account(Base): __tablename__ = 'account' id = Column(BIGINT, primary_key=True, autoincrement=True) name = Column(String(20)) # 设置外键关联到user表的: user_id = Column(BIGINT, ForeignKey('user.id')) # 定义 Account 的 user 属性,指明两者关系 user = relationship("User", back_populates="account") # 清空数据库并重新初始化 drop_db() init_db() # 添加记录 user = User(name='子非鱼') user.account = Account(name='攻城狮峡谷') session.add(user) session.commit() # 查询 result = session.query(User).filter(User.name == '子非鱼').one() print(result.account.name) # 输出: # 攻城狮峡谷 one_to_one() 复制代码
多对多
多对多是通过两个表之间增加一个关联的表来实现,这个关联表使用 MetaData
对象来与两个表关联,并用 ForeignKey
参数指定链接来定位到两个不同的表,两个不同的表则在 relationship()
方法中通过 secondary
参数来指定关联表。
def many_to_many(): # 关联表 association_table = Table('association', Base.metadata, Column('user_id', BIGINT, ForeignKey('user.id')), Column('account_id', BIGINT, ForeignKey('account.id')) ) class User(Base): __tablename__ = "user" id = Column(BIGINT, primary_key=True, autoincrement=True) name = Column(String(20)) accounts = relationship('Account', secondary=association_table, back_populates="users") class Account(Base): __tablename__ = 'account' id = Column(BIGINT, primary_key=True, autoincrement=True) name = Column(String(20)) users = relationship("User", secondary=association_table, back_populates="accounts") # 清空数据库并重新初始化 drop_db() init_db() # 创建记录 user1 = User(name='子非鱼') user2 = User(name='zone') user3 = User(name='mrlizi') account1 = Account(name='攻城狮峡谷') account2 = Account(name='zone7') # 关联记录 user1.accounts = [account1] user2.accounts = [account1, account2] user3.accounts = [account2] # 添加并保存 session.add(user1) session.add(user2) session.add(user3) session.commit() # 双向查询 result1 = session.query(User).filter(User.name == 'zone').one() for item in result1.accounts: print(item.name) result2 = session.query(Account).filter(Account.name == '攻城狮峡谷').one() for item in result2.users: print(item.name) many_to_many() 复制代码
总结
MySQL作为主流的数据库之一,我们不一定说要多深入去研究它的使用,但起码的了解还是要有的。而且python中使用MySQL还是挺简单的,代码敲着敲着就会了。
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网
猜你喜欢:- golang-新人入门配置学习
- 新人成长:实习一个月感悟
- 给职场新人的 10 条中肯经验
- Linkedin 工程团队给新人的 SRE 教程
- 产品新人第一次负责项目应该怎么做?
- 产品新人第一次负责项目应该怎么做?
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
Charlotte's Web
E. B. White / Puffin Classics / 2010-6-3 / GBP 6.99
This is the story of a little girl named Fern who loved a little pig named Wilbur and of Wilbur's dear friend, Charlotte A. Cavatica, a beautiful large grey spider. With the unlikely help of Templeton......一起来看看 《Charlotte's Web》 这本书的介绍吧!