前言:
  1. 字段声明类型中,最右边的是数据库中对应的字段,我们依然可以使用,其左边的的 SQLAchemy 则是其自身封装的自定义类型。
  2. 本篇不会讲太多的理论知识,因为这个实用性更强,所以通篇全部都是案例,每个案例都会输出对应的 sql , 这样你也能更清晰的明白自己写出的代码最终都转化成什么样的 sql 了。
  3. 本篇的最后一个案例是 upsert “存在则更新,不存在则插入”的高级用法。
  4.     本篇中的所有案例都亲测可用
 
案例一: 创建一个自定义类
 
数据库结构
CREATE TABLE `student` (
`id` int(2) NOT NULL AUTO_INCREMENT,
`name` char(20) NOT NULL,
`code` char(64) NOT NULL,
`sex` char(4) NOT NULL,
PRIMARY KEY (`id`) USING BTREE
) ENGINE=InnoDB AUTO_INCREMENT=11 DEFAULT CHARSET=utf8;

  

数据库中的值

Id   name  code  sex
------------------------------------
1 Bob AU dddd
2 Bob BR girl
3 Hua CA boy
4 Lan CN girl
5 Hua RU girl
6 Smith US boy
7 Bob AU boy
8 Smith BM girl
9 Hub BU boy
10 Hip HK boy

ps: 下面的例子全部是依据这

创建自定义类,后面的所有操作的 session,都根据此案例的  session 来操作的。

from sqlalchemy import create_engine, Column, INT, VARCHAR
from sqlalchemy.ext.declarative import declarative_base
from sqlalchemy.orm import sessionmaker # 创建基类,返回一个定制的metaclass 类
Base = declarative_base() # 自定义类
class Student(Base):
# 表名
__tablename__ = 'student'
# 字段映射
id = Column('id', INT, primary_key=True)
name = Column('name', VARCHAR)
code = Column('code', VARCHAR)
sex = Column('sex', VARCHAR) def to_dict(self):
"""
将查询的结果转化为字典类型
Student 对象的内容如下 {'_sa_instance_state': <sqlalchemy.orm.state.InstanceState object at 0x10174c898>, 'sex': 'nan', 'name': 'ygh', 'code': 'AU', 'school': 'hua'}
获取其值剔除 "_sa_instance_state 即可。但不能在self.__dict__上直接删除”_sa_instance_state” 这个值是公用的。
:return:
"""
return {k: v for k, v in self.__dict__.items() if k != "_sa_instance_state”}
# 创建引擎 , echo=True ,表示需要开启 sql 打印,调试的以后特别好用
engine =create_engine("mysql+mysqldb://root:123qwe@192.168.1.254:3306/yinguohai", pool_size=2, max_overflow=0, echo=True
# 创建会话对象,用于操作数据库
Session = sessionmaker(bind=engine)
session = Session()
 
 
案例二: 全部查询
result = session.query(Student).all()
for i in result:
# i是一个Student对象,所以可以使用其 to_dict() 去格式化其对象的值
if isinstance(i, Student):
print(i.to_dict())
-------------------------结果-------------------------
{'sex': 'dddd', 'name': 'Bob', 'id': 1, 'code': 'AU'}
{'sex': 'girl', 'name': 'Bob', 'id': 2, 'code': 'BR'}
{'sex': 'boy', 'name': 'Hua', 'id': 3, 'code': 'CA'}
{'sex': 'girl', 'name': 'Lan', 'id': 4, 'code': 'CN'}
{'sex': 'girl', 'name': 'Hua', 'id': 5, 'code': 'RU'}
{'sex': 'boy', 'name': 'Smith', 'id': 6, 'code': 'US'}
{'sex': 'boy', 'name': 'Bob', 'id': 7, 'code': 'AU'}
{'sex': 'girl', 'name': 'Smith', 'id': 8, 'code': 'BM'}
{'sex': 'boy', 'name': 'Hub', 'id': 9, 'code': 'BU'}
{'sex': 'boy', 'name': 'Hip', 'id': 10, 'code': 'HK'}
对应Sql:
SELECT
student.id AS student_id,
student.NAME AS student_name,
student.CODE AS student_code,
student.sex AS student_sex
FROM
student

  

案例三: 部分字段查询
result = session.query(Student.id, Student.name).all()
for i in result:
# 此时返回的是一个tuple ,而不是一个Student对象
print(i)
-------------------------结果-------------------------
(1, 'Bob')
(2, 'Bob')
(3, 'Hua')
(4, 'Lan')
(5, 'Hua')
(6, 'Smith')
(7, 'Bob')
(8, 'Smith')
(9, 'Hub')
(10, 'Hip')
对应Sql:
SELECT
student.id AS student_id,
student.NAME AS student_name
FROM
student

  

案例四:多条件查询, or_ , and_

 
或, or_
result = session.query(Student).filter(or_(Student.name == "Bob", Student.sex != "aa")).first()
print(result.to_dict())
-------------------------结果-------------------------
{'sex': 'dddd', 'name': 'Bob', 'id': 1, 'code': 'AU'}

对应Sql:

SELECT
student.id AS student_id,
student.NAME AS student_name,
student.CODE AS student_code,
student.sex AS student_sex
FROM
student
WHERE
student.NAME = % s
OR student.sex != % s ( 'Bob', 'aa', 1 )
 
且,and_
result = session.query(Student).filter(and_(Student.name == "Bob" , Student.sex != "aa")).first()
print(result.to_dict())
-------------------------结果-------------------------
{'sex': 'dddd', 'name': 'Bob', 'id': 1, 'code': 'AU'}

对应Sql:

SELECT
student.id AS student_id,
student.NAME AS student_name,
student.CODE AS student_code,
student.sex AS student_sex
FROM
student
WHERE
student.NAME = % s
AND student.sex != % s
LIMIT % s ( 'Bob', 'aa', 1 )
 
案例五:模糊查询,like 
 
result = session.query(Student).filter(Student.sex.like('%bo%')).first()
print(result.to_dict())
-------------------------结果-------------------------
{'sex': 'dddd', 'name': 'Bob', 'id': 1, 'code': 'AU'}
对应Sql:
SELECT
student.id AS student_id,
student.NAME AS student_name,
student.CODE AS student_code,
student.sex AS student_sex
FROM
student
WHERE
student.sex LIKE % s
LIMIT %s ('%bo%', 1)
案例六:in_  , 范围查询
 
result = session.query(Student).filter(Student.name.in_(["Bob", "Smith"])).all()
for i in result:
print(i.to_dict())
-------------------------结果-------------------------
{'code': 'AU', 'id': 1, 'name': 'Bob', 'sex': 'dddd'}
{'code': 'BR', 'id': 2, 'name': 'Bob', 'sex': 'girl'}
{'code': 'US', 'id': 6, 'name': 'Smith', 'sex': 'boy'}
{'code': 'AU', 'id': 7, 'name': 'Bob', 'sex': 'boy'}
{'code': 'BM', 'id': 8, 'name': 'Smith', 'sex': 'girl'}

对应Sql:

SELECT
student.id AS student_id,
student.NAME AS student_name,
student.CODE AS student_code,
student.sex AS student_sex
FROM
student
WHERE
student.NAME IN (% s, % s ) ( 'Bob', 'Smith' )
 
 
案例七:排序,asc() , desc()
 
#result = session.query(Student).order_by(Student.id.desc()).all()
result = session.query(Student).order_by(Student.id.asc()).all()
for i in result:
print(i.to_dict())
-------------------------结果-------------------------
{'sex': 'dddd', 'name': 'Bob', 'id': 1, 'code': 'AU'}
{'sex': 'girl', 'name': 'Bob', 'id': 2, 'code': 'BR'}
{'sex': 'boy', 'name': 'Hua', 'id': 3, 'code': 'CA'}
{'sex': 'girl', 'name': 'Lan', 'id': 4, 'code': 'CN'}
{'sex': 'girl', 'name': 'Hua', 'id': 5, 'code': 'RU'}
{'sex': 'boy', 'name': 'Smith', 'id': 6, 'code': 'US'}
{'sex': 'boy', 'name': 'Bob', 'id': 7, 'code': 'AU'}
{'sex': 'girl', 'name': 'Smith', 'id': 8, 'code': 'BM'}
{'sex': 'boy', 'name': 'Hub', 'id': 9, 'code': 'BU'}
{'sex': 'boy', 'name': 'Hip', 'id': 10, 'code': 'HK'}

对应Sql:

SELECT
student.id AS student_id,
student.NAME AS student_name,
student.CODE AS student_code,
student.sex AS student_sex
FROM
student
ORDER BY
student.id ASC
案例八:限制,limit , slice
 
方式一 ,limit( position )
 
result = session.query(Student).limit(2).all()
for i in result:
print(i.to_dict()) 
-------------------------结果-------------------------
{'sex': 'dddd', 'name': 'Bob', 'id': 1, 'code': 'AU'}
{'sex': 'girl', 'name': 'Bob', 'id': 2, 'code': 'BR'}
对应Sql:
SELECT
student.id AS student_id,
student.NAME AS student_name,
student.CODE AS student_code,
student.sex AS student_sex
FROM
student
LIMIT % s (2,)
 
方式二: slice(start, end)
result = session.query(Student).order_by(Student.id.asc()).slice(2, 3).all()
for i in result:
print(i.to_dict())
-------------------------结果-------------------------
{'sex': 'boy', 'code': 'CA', 'id': 3, 'name': 'Hua'}

对应Sql:

SELECT
student.id AS student_id,
student.NAME AS student_name,
student.CODE AS student_code,
student.sex AS student_sex
FROM
student
ORDER BY
student.id ASC
LIMIT % s,% s ( 2, 1 )
案例九:统计,count()
result = session.query(Student).count()
print(result)
-------------------------结果-------------------------
10
对应Sql:
SELECT
count(*) AS count_1
FROM
( SELECT student.id AS student_id, student.NAME AS student_name, student.CODE AS student_code, student.sex AS student_sex FROM student ) AS anon_1
案例十:去重,distinct()
result = session.query(Student.name).distinct(Student.name).all()
-------------------------结果-------------------------
('Bob',)
('Hua',)
('Lan',)
('Smith',)
('Hub',)
('Hip',)

对应Sql:

SELECT DISTINCT
student.NAME AS student_name
FROM
student
 
 
案例十 一: 联合查询,默认 inner join查询
 
result = session.query(Student.id, Student.code, Student.name, Country.population).join(Country, Student.code == Country.code).all()
for i in result:
print(i)
-------------------------结果-------------------------
(1, 'AU', 'Bob', 18886000)
(2, 'BR', 'Bob', 170115000)
(3, 'CA', 'Hua', 1147000)
(4, 'CN', 'Lan', 1277558000)
(5, 'RU', 'Hua', 146934000)
(6, 'US', 'Smith', 278357000)
(7, 'AU', 'Bob', 18886000)

对应Sql:

SELECT
student.id AS student_id,
student.CODE AS student_code,
student.NAME AS student_name,
a_country.population AS a_country_population
FROM
student
INNER JOIN a_country ON student.CODE = a_country.CODE
 
 
案例十二:添加,add() , add_all()
 
方式一,单条插入,add( )
result = session.add(Student(name="Bob", code="AU", sex="boy"))
print(result)
#事务需要提交才能生效,有别与查询
session.commit()
-------------------------结果-------------------------
None 
Sql:
BEGIN
INSERT INTO student (name, code, sex) VALUES (%s, %s, %s) ('Bob', 'AU', 'boy')
COMMIT
 
 
方式二,批量插入, add_all( )
result = session.add_all([
Student(name="Smith", code="BM", sex="girl"),
Student(name="Hub", code="BU", sex="boy"),
Student(name="Hip", code="HK", sex="boy"),
])
session.commit()
print(result)
-------------------------结果-------------------------
None

对应Sql:

BEGIN
INSERT INTO student (name, code, sex) VALUES (%s, %s, %s) ('Smith', 'BM', 'girl')
INSERT INTO student (name, code, sex) VALUES (%s, %s, %s) ('Hub', 'BU', 'boy')
INSERT INTO student (name, code, sex) VALUES (%s, %s, %s) ('Hip', 'HK', 'boy')
COMMIT

案例十三: 更新,update()

result = session.query(Student).filter(Student.id == 1).update({Student.sex: "dddd”})
# 如果想回滚,则使用 session.rollback() 回滚即可
session.commit()
# 返回修改的记录函数
print(result)
-------------------------结果-------------------------
1

对应Sql:

BEGIN
UPDATE student SET sex=%s WHERE student.id = %s ('dddd', 1)
COMMIT 
 
案例十四: 不存在则插入,存在则更新,on_duplicate_key_update()
 
这个属于一种高级的用法,不过也特别简单,看此案例你基本上就秒懂了。
 
insert_smt = insert(Student).values(id=1, name="bb", code="AA", sex="boy").on_duplicate_key_update(sex="aaaaa",code="uuuuu")
result = session.execute(insert_smt)
session.commit()
print(result.rowcount)
-------------------------结果-------------------------
1

注意事项:

  1. 需要引入 一个特别函数 , insert( ) , 它是mysql包下的。from sqlalchemy.dialects.mysql import insert
  2. 使用 on_duplicate_key_update( ) 这个函数进行异常处理,别用错了
  3. 使用execute , 执行insert( ) 函数创建的 Sql 语句即可
  4. 最后一定要记得 commit( ) 一下。
 
Sql:
BEGIN

INSERT INTO student ( id, NAME, CODE, sex )
VALUES (% s, % s, % s, % s )
ON DUPLICATE KEY UPDATE code = %s, sex = %s
(1, 'bb', 'AA', 'boy', 'uuuuu', 'aaaaa') COMMIT
 
 
 

Python 操作mysql数据库之 SQLAlchemy 案例详解的更多相关文章

  1. python操作mysql数据库的常用方法使用详解

    python操作mysql数据库 1.环境准备: Linux 安装mysql: apt-get install mysql-server 安装python-mysql模块:apt-get instal ...

  2. python接口自动化(三十八)-python操作mysql数据库(详解)

    简介 现在的招聘要求对QA人员的要求越来越高,测试的一些基础知识就不必说了,来说测试知识以外的,会不会一门或者多门开发与语言,能不能读懂代码,会不会Linux,会不会搭建测试系统,会不会常用的数据库, ...

  3. python操作mysql数据库的相关操作实例

    python操作mysql数据库的相关操作实例 # -*- coding: utf-8 -*- #python operate mysql database import MySQLdb #数据库名称 ...

  4. Windows下安装MySQLdb, Python操作MySQL数据库的增删改查

    这里的前提是windows上已经安装了MySQL数据库,且配置完成,能正常建表能操作. 在此基础上仅仅需安装MySQL-python-1.2.4b4.win32-py2.7.exe就ok了.仅仅有1M ...

  5. 使用python操作mysql数据库

    这是我之前使用mysql时用到的一些库及开发的工具,这里记录下,也方便我查阅. python版本: 2.7.13 mysql版本: 5.5.36 几个python库 1.mysql-connector ...

  6. python操作三大主流数据库(1)python操作mysql①windows环境中安装python操作mysql数据库的MySQLdb模块mysql-client

    windows安装python操作mysql数据库的MySQLdb模块mysql-client 正常情况下应该是cmd下直接运行 pip install mysql-client 命令即可,试了很多台 ...

  7. python操作mysql数据库增删改查的dbutils实例

    python操作mysql数据库增删改查的dbutils实例 # 数据库配置文件 # cat gconf.py #encoding=utf-8 import json # json里面的字典不能用单引 ...

  8. python 操作mysql数据库之模拟购物系统登录及购物

    python 操作mysql数据库之模拟购物系统登录及购物,功能包含普通用户.管理员登录,查看商品.购买商品.添加商品,用户充值等. mysql 数据库shop 表结构创建如下: create TAB ...

  9. 【Python】使用python操作mysql数据库

    这是我之前使用mysql时用到的一些库及开发的工具,这里记录下,也方便我查阅. python版本: 2.7.13 mysql版本: 5.5.36 几个python库 1.mysql-connector ...

随机推荐

  1. redis 持久化RDB、AOF

    1.redis持久化简介 Redis是一种高级key-value数据库.它跟memcached类似,不过数据可以持久化,而且支持的数据类型很丰富.有字符串,链表,集合和有序集合.支持在服务器端计算集合 ...

  2. Jenkins分布式构建与并行构建

    Jenkins分布式构建与并行构建 jenkins的架构 Jenkins采用的是"master+agent(slave)"架构.Jenkins master负责提供界面.处理HTT ...

  3. json到底是什么??????

    JSON(JavaScript Object Notation)是一种基于JavaScript语法子集的开放标准数据交换格式.JSON是基于文本的,轻量级的,通常被认为易于读/写. 通俗解释: 1.j ...

  4. 手把手教你用GoEasy实现Websocket IM聊天

    经常有朋友问起GoEasy如何实现IM,今天就手把手的带大家从头到尾用GoEasy实现一个完整IM聊天,全套代码已经放在了github. 今日的前端技术发展可谓百花争鸣,为了确保本文能帮助到使用任何技 ...

  5. 解决IIS下localhost访问需要输入用户名和密码的问题

    [摘要]安装完IIS后,我们可能会发现浏览器输入localhost访问时提示我们输入用户名和密码,本文介绍了这种问题的解决方法,方便站长们调试自己的程序.     在我们的WIN XP系统中安装了II ...

  6. node 模块载入原理【1】

    简单介绍 我们会从简单的模块载入原理来开始,尝试阅读下 Node.js 源代码.首先我们知道 Node.js 的源代码主要是由 C++ 和 JavaScript 编写的,JS 部分主要在 lib 目录 ...

  7. effective-java学习笔记---使用限定通配符来增加 API 的灵活性31

    在你的 API 中使用通配符类型,虽然棘手,但使得 API 更加灵活. 如果编写一个将被广泛使用的类库,正确使用通配符类型应该被认为是强制性的. 记住基本规则: producer-extends, c ...

  8. Spark使用jdbc时的并行度

    Spark SQL支持数据源使用JDBC从其他数据库读取数据. 与使用JdbcRDD相比,应优先使用此功能. 这是因为结果以DataFrame的形式返回,并且可以轻松地在Spark SQL中进行处理或 ...

  9. 技术大佬:我去,你竟然还在用 try–catch-finally

    二哥,你之前那篇 我去 switch的文章也特么太有趣了,读完后意犹未尽啊,要不要再写一篇啊?虽然用的是 Java 13 的语法,对旧版本不太友好.但谁能保证 Java 不会再来一次重大更新呢,就像 ...

  10. SpringCloud服务的注册发现--------zookeeper实现服务与发现 + Ribbon实现客户端负载均衡

    1,Eureka 闭源了,但是我们可以通过zookeeper实现注册中心的功能. zookeeper 是一个分布式协调工具,可以实现服务的注册和发现,配置中心,注册中心,消息中间件的功能 2,工具准备 ...