sqlAlchemy语法增删改查

更多参见：https://www.cnblogs.com/tangpg/p/8528835.html?tdsourcetag=s_pcqq_aiomsg

sqlalchemy-查询

User这个类创建的表　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　User1这个类创建的表

 

基本查询结果

# 1 查看sql原生语句
rs =session.query(User).filter(User.username=='budong')
print(rs)

# 2 query(module) .all()
rs =session.query(User).filter(User.username=='budong').all()  #  .all list
print(rs, type(rs[0]))          # 索引取值 当query(module) 类型为User类的实例对象
print(rs[0].username,rs[0].id)       # rs[0]这个实例对象通过.username,.id取得值

# 3 hasattr() getattr()
# 没有这条数据则会报错超出索引 先判断是否存在hasattr() ,再取值getattr()数据不存在报错
print(hasattr(rs[0], 'username'))   # 判断是否有这个username属性  返回值True False
if hasattr(rs[0], 'username'):
    print(getattr(rs[0],'username'))  # 安全取值
    print(rs[0].username)     

>>> True
>>> budong
>>> budong

# 4 .first()  [0]
rs =session.query(User).filter(User.username=='budong').first() # 返回一条数据，无则返回none
rs1 =session.query(User).filter(User.username=='budong')[0] # 取第一条数据无则报错
print(rs, rs1,sep='\n')
print(rs.id, rs1.username)   # 取出值
if rs != None:
    print(rs)
>>> <User(id=1,username=budong,password=qwe123,createtime=2018-03-07 16:57:09)> 
　　 <User(id=1,username=budong,password=qwe123,createtime=2018-03-07 16:57:09)>
>>> 1 budong
>>> <User(id=1,username=budong,password=qwe123,createtime=2018-03-07 16:57:09)>

# 5 query(module的属性)
rs =session.query(User.id).filter(User.username=='tj').all() # all返回list
print(rs)     # list
print(rs[0])   # 当query(module的属性)   返回结果为元祖
print(rs[0][0])

>>> [(2,)]
>>> (2,)
>>> 2

# 6 条件查询
# filter_by(直接跟module的属性,以字典形式传参)  并且只能判断 =
rs = session.query(User).filter_by(username='budong').all()
print(rs)
# filter(module.属性)  能判断 ==  != >=  常用
rs = session.query(User).filter(User.username=='budong').all()
print(rs)

>>> [<User(id=1,username=budong,password=qwe123,createtime=2018-03-07 16:57:09)>, <User(id=5,username=budong,password=qweq,createtime=2018-03-08 05:10:38)>]
>>> [<User(id=1,username=budong,password=qwe123,createtime=2018-03-07 16:57:09)>, <User(id=5,username=budong,password=qweq,createtime=2018-03-08 05:10:38)>]

模糊查询

# 7 模糊查询
    # like_  notlike
rs = session.query(User).filter(User.username.like('%don%')).all()
print(rs)
rs = session.query(User).filter(User.username.notlike('%don%')).all() # 相反
print(rs)
>>> [<User(id=1,username=budong,password=qwe123,createtime=2018-03-07 16:57:09)>, <User(id=5,username=budong,password=qweq,createtime=2018-03-08 05:10:38)>]
>>> [<User(id=2,username=tj,password=123qwe1,createtime=2018-03-07 16:54:09)>, <User(id=3,username=tj1,password=123qwe2,createtime=2018-03-07 16:58:09)>, 
　　 <User(id=4,username=tj2,password=123qwe3,createtime=2018-03-07 16:07:09)>]

# 8 in_ notin   　　　　　　　　　　　　　　　　　　　　满足一个条件即可
rs = session.query(User).filter(User.username.in_(['budong','tj'])).all()
print(rs)
rs = session.query(User).filter(User.username.notin_(['budong','tj'])).all() # 相反
print(rs)

>>> [<User(id=1,username=budong,password=qwe123,createtime=2018-03-07 16:57:09)>, <User(id=2,username=tj,password=123qwe1,createtime=2018-03-07 16:54:09)>, 
　　 <User(id=5,username=budong,password=qweq,createtime=2018-03-08 05:10:38)>]
>>> [<User(id=3,username=tj1,password=123qwe2,createtime=2018-03-07 16:58:09)>, <User(id=4,username=tj2,password=123qwe3,createtime=2018-03-07 16:07:09)>]

# 9 is_  isnot         is 用来判断是否为空 是空则取值

rs = session.query(User.username).filter(User.username.is_(None)).all()
print(rs)
rs = session.query(User.username).filter(User.username.isnot(None)).all()  # 相反
print(rs)

>>> []
>>> [('budong',), ('tj',), ('tj1',), ('tj2',), ('budong',)]

# 10 limit  限制数据条数
rs =session.query(User).filter(User.username=='budong').all()
print(rs)
rs =session.query(User).filter(User.username=='budong').limit(1).all()
print(rs)

>>> [<User(id=1,username=budong,password=qwe123,createtime=2018-03-07 16:57:09)>, <User(id=5,username=budong,password=qweq,createtime=2018-03-08 05:10:38)>]
>>> [<User(id=1,username=budong,password=qwe123,createtime=2018-03-07 16:57:09)>]

# 11 offset(n) 不取前n条数据 称为 偏移量:偏移n条数据
rs = session.query(User).filter(User.username=='budong').offset(1).all()
print(rs)

>>> [<User(id=5,username=budong,password=qweq,createtime=2018-03-08 05:10:38)>]

# 12 slice 切片 左闭右开
rs = session.query(User).filter(User.username=='budong').slice(0,1).all()
print(rs)

>>> [<User(id=1,username=budong,password=qwe123,createtime=2018-03-07 16:57:09)>]

# 13 one 只有一条数据则取值 反之 报错
# rs = session.query(User).filter(User.username=='budong').one()  # 满足条件的超过1条，报错
rs = session.query(User).filter(User.username=='tj').one()
print(rs)
>>> <User(id=2,username=tj,password=123qwe1,createtime=2018-03-07 16:54:09)>

# 14 order_by(*args) 排序(按asc)
    # 升序
rs = session.query(User.id).filter(User.username=='budong').order_by(User.id).all()
print(rs)
    # 降序 需导入降序desc
from sqlalchemy import desc
rs = session.query(User.id).filter(User.username=='budong').order_by(desc(User.id)).all()
print(rs)

>>> [(1,), (5,)]
>>> [(5,), (1,)]

# 15 group_by
from sqlalchemy import func,extract
    # 按query的属性 进行分组 再统计该属性的所有值出现的次数
rs = session.query(User.username,func.count(User.id)).group_by(desc(User.username)).all()
print(rs)

>>> [('tj2', 1), ('tj1', 1), ('tj', 1), ('budong', 2)]

# 16 group_by + having(判断条件 常跟func的count sum avg 等使用) 先分组在执行having
rs = session.query(User.username,func.count(User.id)).group_by(desc(User.username)).\
    having(func.count(User.id)>1).all()
print(rs)
rs = session.query(User.username,func.max(User.id)).group_by(User.username).all()
print(rs)    # 通过username分组 多条数据的取id最大的那条
rs = session.query(User.username,func.min(User.id)).group_by(User.username).all()
print(rs)    # 通过username分组 多条数据的取id最小的那条

>>> [('budong', 2)]
>>> [('budong', 5), ('tj', 2), ('tj1', 3), ('tj2', 4)]
>>> [('budong', 1), ('tj', 2), ('tj1', 3), ('tj2', 4)]

# 17 extract 能获取某部分时间(year,month,day,hour,minute,second) 进行分组及统计
rs = session.query(extract('minute',User.creatime).label('minute'),func.count('minute')).\
    group_by('minute').all()            # label 取别名
print(rs)

>>> [(7, 1), (10, 1), (54, 1), (57, 1), (58, 1)]

# 18 or_ 或者 满足其中一个条件即可   类似in_ notin
rs = session.query(User.username).filter(or_(User.password=='qwe123',User.id>2)).all()
print(rs)

>>> [('budong',), ('tj1',), ('tj2',), ('budong',)]

User这个类创建的表　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　User1这个类创建的表

 

# 19 多表查询
# mysql中的 内链接cross join  内链接inner join  两者没区别, 内链接的结果会产生笛卡儿积 table1（的每条数据） X table2（的所有数据）
rs = session.query(User.username,User1.name).filter(User.id==User1.id).all()   # 通过,直接query两张表= select * from table1,table2 属于内链接cross join
print(rs)
rs = session.query(User.username,User1.name).join(User1,User.id==User1.id).all() # join =内链接inner join
print(rs)
# mysql中的 外链接left join  和 外链接left outer join也没区别
# 外链接outerjoin = left outer join     -- sqlalchemy  没有right outer join
rs = session.query(User.username,User1.name).outerjoin(User1,User.id==User1.id).all()
print(rs)we
# 已左表为准   两个表的数据并排显示，左表有多少条数据则显示多少，右边有多余的数据则不取，少于的数据则显示为Ｎｏｎｅ数据链接到左表
rs = session.query(User1.name,User.username).outerjoin(User,User.id==User1.id).all() #与上面相比交换表的位置
print(rs)

>>> [('budong', 'D'), ('tj', 'A'), ('tj1', 'B'), ('tj2', 'C')]
>>> [('budong', 'D'), ('tj', 'A'), ('tj1', 'B'), ('tj2', 'C')]
>>> [('budong', 'D'), ('tj', 'A'), ('tj1', 'B'), ('tj2', 'C'), ('budong', None)]
>>> [('D', 'budong'), ('A', 'tj'), ('B', 'tj1'), ('C', 'tj2')]

# 20 联合查询　两个表并排显示
rs1 = session.query(User1.name)
rs2 = session.query(User.username)
print(rs1.union(rs2).all())        # union 去重　
print(rs1.union_all(rs2).all())    # 显示所有包括重复的数据  'budong'为重复的数据

>>> [('D',), ('A',), ('B',), ('C',), ('budong',), ('tj',), ('tj1',), ('tj2',)]
>>> [('D',), ('A',), ('B',), ('C',), ('budong',), ('tj',), ('tj1',), ('tj2',), ('budong',)]

# 21 子表查询   cross join 产生笛卡儿积
# 原生sql是  select * from table1,table2;   table2是这儿的子表
# 声明子表subquery() 子表可以是多个表取出的数据 所以比直接使用 cross join or inner join 能查更多表的相关数据
sql = session.query(User1.name).subquery()
# 父表的每一条数据都匹配子表的所有数据
print(session.query(User.username,sql.c.name).all())  # 固定写法  申明子表的sql.c.属性

>>> [('budong', 'D'), ('tj', 'D'), ('tj1', 'D'), ('tj2', 'D'), ('budong', 'D'), ('budong', 'A'), ('tj', 'A'), ('tj1', 'A'), ('tj2', 'A'), ('budong', 'A'), 
　　 ('budong', 'B'), ('tj', 'B'), ('tj1', 'B'), ('tj2', 'B'), ('budong', 'B'), ('budong', 'C'), ('tj', 'C'), ('tj1', 'C'), ('tj2', 'C'), ('budong', 'C')]

原生sql语句查询

# 原生SQL查询
sql_1='select username from `user`'
row = session.execute(sql_1)      # row =5条数据　　row是一个对象 可以 for in 取值  dir(对象)
print(row.fetchone())   # 取出第一条数据  row -1 =4
print(row.fetchmany(2)) # 去出两条数据    row -2 =2
print(row.fetchall())  # 取出所有的数据  row =0

>>> ('budong',)
>>> [('tj',), ('tj1',)]
>>> [('tj2',), ('budong',)]

　　sql是字符串 可以用到字符串拼接

sql = '''
    select * from user where id<%s;
''' %(3)
row = session.execute(sql)
for i in row:
    print(i)   # 元祖

>>> (1, 'budong', 'qwe123', datetime.datetime(2018, 3, 7, 16, 57, 9))
>>> (2, 'tj', '123qwe1', datetime.datetime(2018, 3, 7, 16, 54, 9))

更多参见：https://www.cnblogs.com/tangpg/p/8528835.html?tdsourcetag=s_pcqq_aiomsg