数据库MySql在python中的使用

　　随着需要存储数据的结构不断复杂化，使用数据库来存储数据是一个必须面临的问题。那么应该如何在python中使用数据库？下面就在本篇博客中介绍一下在python中使用mysql。

　　首先，本博客已经假定阅读者已经安装了python和mysql，所以不会讲解关于它们的安装（如果未安装，请查阅官方文档进行下载安装）。

在python中使用pymysql操作mysql　　

python的标准库中，是没有可以直接连接操作mysql的模块，首先我们应安装python的第三方模块pymysql。

使用pymysql操作mysql的步骤：

　　1）使用pymysql.connect连接并登录mysql

　　2) 使用connection.cursor建立游标

　　3) 使用cursor.execute()或cursor.executemany()执行sql语句

例一（使用pymysql执行简单的mysql操作）：

　　(1) 首先在mysql中建立一张用户表

CREATE TABLE `users` (
    `id` int(11) NOT NULL AUTO_INCREMENT,
    `email` varchar(255) COLLATE utf8_bin NOT NULL,
    `password` varchar(255) COLLATE utf8_bin NOT NULL,
    PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8 COLLATE=utf8_bin
AUTO_INCREMENT=1 ;

　　(2) 使用pymysql连接数据库并操作这张表

 import pymysql
 
 # Connect to the database
 # 连接mysql，host指定主机；port指定端口，如果mysql为默认端口3306可以不写；
 # user,password分别指定登录mysql的用户名和密码；
 # db指定数据库；charset指定字符集；
 connection = pymysql.connect(host='localhost',
                              user='root',
                              password='',
                              db='test',
                              charset='utf8mb4',
                               cursorclass=pymysql.cursors.DictCursor)
 
 try:
     with connection.cursor() as cursor:
         # Create a new record
         # 构建sql语句
         sql = "INSERT INTO `users` (`email`, `password`) VALUES (%s, %s)"
         # 相当于在mysql终端执行
         # "INSERT INTO `users` (`email`, `password`) VALUES ('webmaster@python.org', 'very-secret')"
         cursor.execute(sql, ('webmaster@python.org', 'very-secret'))
 
     # connection is not autocommit by default. So you must commit to save
     # your changes.
     # 向mysql提交更改，如果是查询语句，无需执行connection.commit()
     # 可以通过设置connection.autocommit()来自动提交，传入True即可
     connection.commit()
 
     with connection.cursor() as cursor:
         # Read a single record
         # sql = "SELECT `id`, `password` FROM `users` WHERE `email`=%s"
         # cursor.execute(sql, ('webmaster@python.org',))
         sql = "SELECT * FROM `users`"
         # 执行cursor.execute(sql),等于在mysql终端执行sql语句。
         cursor.execute(sql)
         # 获取sql语句执行结果并打印
         result = cursor.fetchall()
         print(result)
 finally:
     # 关闭连接
     connection.close()

pymysql_example.py

例二（向mysql中的表插入多条信息）：

 import pymysql
 
 connection = pymysql.Connect(host="localhost",
                              user="root",
                              password="",
                              db="test",
                              charset="utf8mb4",
                              cursorclass=pymysql.cursors.DictCursor)
 
 try:
     # # 执行多次INSERT操作
     # with connection.cursor() as cursor:
     #     users_info = [('xiaoming@123.com','simple'), ('xiaoqiang@123.com','simple'),
     #              ('xiaozhang@123.com','very-secret'), ('xiaoli@123.com', 'simple'),
     #              ('xiangwang@123.com','simple'), ('xiaohong@123.com','very-secret')]
     #     sql = "INSERT INTO `users` (`email`, `password`) VALUES (%s, %s)"
     #     # 执行多次相同操作使用cursor.executemany（）
     #     cursor.executemany(sql, users_info)
     # connection.commit()
 
     # 查询所有用户信息
     with connection.cursor() as cursor:
         sql = "SELECT * FROM `users`"
         cursor.execute(sql)
         result = cursor.fetchall()
         print("-----all users-----")
         for user_info in result:
             print(user_info)
 
     with connection.cursor() as cursor:
         sql = "SELECT * FROM `users` WHERE `password`=%s"
         cursor.execute(sql, ('very-secret',))
         result = cursor.fetchall()
         print("-----password is very-secret-----")
         for user_info in result:
             print(user_info)
 finally:
     connection.close()

test_pymysql.py

　　注：在python程序中使用pymysql，最好只执行对表的增删该查即可（使用pymysql虽然能执行原生SQL语句，但不建议使用它进行建数据库，表，修改数据库，表属性等操作（如果要进行这些操作不妨直接登录mysql，直接在mysql终端执行这些操作）。

下面将介绍一些pymysql的一些常用API（在pymysq中只有两个常用object）：

(1)Connection Object：

　　常用属性：

host – mysql主机地址
user – 登录用户名
password – 登录用户密码
port – mysql端口，默认3306
charset – 字符集
connect_timeout – 连接最大时间，超时自动断开。(default: 10, min: 1, max: 31536000)
autocommit – 是否自动提交更改。(default: False)
db – 使用指定的数据库
cursorclass – 指定cursor类

　　注：以上参数应在连接数据库时指定，只是常用参数（详细请参见：http://pymysql.readthedocs.io/en/latest/modules/connections.html）。

　　常用方法：

begin() - 开启一个事件 与 在mysql终端执行BEGIN效果相同
 
close() - 关闭与mysql的连接
 
commit() - 提交对mysql中存储数据的更改
 
cursor(cursor=None) - 创建一个cursor对象，cursor类在连接时未指明，可以在此指明，使用默认cursor忽略参数即可
 
ping(reconnect=True) - 检测连接是否存活，如果连接超过设置的connet_timeout会自动断开，所以在进行对mysql操作前应使用此方法检测
 
rollback() - 使用了begin()后，对mysql的操作未提交前，可以只用此方法恢复到未操作之前
 
select_db(db) - 选择数据库，如果要操作的表不在连接时指定的数据库，使用此方法切换。
 
show_warnings() - 显示警告信息

(2)Cursor Objects：

　　常用方法：

execute(query, args=None) - 执行一条sql语句
    Parameters:
        query (str) – 要被执行的sql语句
        args (tuple, list or dict) – sql语句中用到的参数
    Returns:
    多少行信息收到影响    
 
    Return type:
    int
 
    如果args是以tuple的形式指定，则按位置依次传入sql语句中；如果是以dict传入，则以关键字传入sql语句中。
 
executemany(query, args) - 多次执行这条sql语句
    参数与上相同，不过要使用[]将多个args括起来。
    此方法可提高多行INSERT和REPLACE的性能。 否则，它等价于使用execute() 循环args。
 
fetchone() - 取结果中的一行
 
fetchall() - 取所有的结果
 
fetchmany(size=None) - 取结果中的size行
 
close() - 关闭当前cursor
 
max_stmt_length = 1024000 - 指定 executemany() 执行最多max_stmt_length次sql语句

　　注：只写了常用方法，详细请参见：http://pymysql.readthedocs.io/en/latest/modules/cursors.html

使用sqlalchemy操作数据库（重点）

例三（使用sqlalchemy创建一张数据表并插入数据）：

　　使用pymysql固然可以与mysql进行交互，但还是在源代码中使用了原生SQL语句，使代码的重用行和扩展性大大降低，这不符合面向对象的编程的特性。那么该如何像操作对象一样操作数据库呢？

　　我们使用一种叫做ORM(Object Relational Mapping，简称ORM，或O/RM，或O/R mapping)的技术，是一种程序技术，用于实现面向对象编程语言里不同类型系统的数据之间的转换。在python中我们使用一个名为SQLAlchemy(基于ORM的开发组件)来进行对数据库的操作，这样就不必在源代码中使用SQL语句，大大降低了程序员学习SQL的成本，由于不必再拼接复杂的SQL语句，大大提高开发效率，并且使程序有更高的扩展性。

 import sqlalchemy
 from sqlalchemy import create_engine
 from sqlalchemy.ext.declarative import declarative_base
 from sqlalchemy import Column, Integer, String
 from sqlalchemy.orm import sessionmaker
 
 # 检查sqlalchemy的版本
 # print(sqlalchemy.__version__)
 
 # 创建一个engine
 # 传入一个URL作为第一个位置参数（格式为：dialect[+driver]://user:password@host/dbname[?key=value..]）
 # dialect is a database name such as mysql, oracle, postgresql, ,
 # and driver the name of a DBAPI, such as psycopg2, pyodbc, cx_oracle, pymysql.
 # 打印操作数据库的过程，则设置echo=True，否则默认即可
 engine = create_engine('mysql+pymysql://root:123456@localhost/test')
 
 Base = declarative_base()
 
 # 将要创建的表结构
 class User(Base):
     # 表名
     __tablename__ = 'users'
 
     # 字段名，字段属性
     id = Column(Integer, primary_key=True)
     name = Column(String(32))
     fullname = Column(String(64))
     password = Column(String(64))
 
     def __repr__(self):
         return "<User(name='%s', fullname='%s', password='%s')>" % (
             self.name, self.fullname, self.password)
 
 # 可以同时创建多个表，在前面以上面的形式写好所有表结构，最后统一创建
 Base.metadata.create_all(engine)
 
 # 创建一个Session类
 # Session = sessionmaker()
 # Session.configure(bind=engine)
 # 等同于上面两行
 Session = sessionmaker(bind=engine)
 # 生成一个session实例
 session = Session()
 
 # 构造要插入表中的数据
 ed_user = User(name='ed', fullname='Ed Jones', password='edspassword')
 # 将数据放入session中，如果有多条数据使用session.add_all([data1,data2,...])
 session.add(ed_user)
 # session.add_all([User(name='wendy', fullname='Wendy Williams', password='foobar'),
 #                  User(name='mary', fullname='Mary Contrary', password='xxg527'),
 #                  User(name='fred', fullname='Fred Flinstone', password='blah')])
 # 向数据库提交
 # session.commit()
 
 data = session.query(User).filter(User.id>2).all()
 print(data)

sqlalchemy_test.py

# 使用上面的代码生成的数据表结构
mysql> desc users;
+----------+-------------+------+-----+---------+----------------+
| Field    | Type        | Null | Key | Default | Extra          |
+----------+-------------+------+-----+---------+----------------+
| id       | int(11)     | NO   | PRI | NULL    | auto_increment |
| name     | varchar(32) | YES  |     | NULL    |                |
| fullname | varchar(64) | YES  |     | NULL    |                |
| password | varchar(64) | YES  |     | NULL    |                |
+----------+-------------+------+-----+---------+----------------+
4 rows in set (0.00 sec)
 
# 使用上面代码插入表中的数据
mysql> select * from users;
+----+------+----------+-------------+
| id | name | fullname | password    |
+----+------+----------+-------------+
|  1 | ed   | Ed Jones | edspassword |
+----+------+----------+-------------+
1 row in set (0.00 sec)

例四（使用sqlalchemy进行对数据的查，改，删）

 # 查询时在filter_by(或filter)中写上条件即可，查询到的结果可能是多条，first()代表取第一条，all()代表取所有
 our_user = session.query(User).filter_by(name='ed').first()
 # 如果有多个查询条件，data = session.query(User).filter(User.id>2).filter(User.id<4).all(),这样使用即可
 data = session.query(User).filter(User.id>2).all()
 print("-------这是查询数据的结果-------")
 print(our_user)
 print(data)
 print('\n')
 
 # 直接修改查询的结果，然后提交即可
 our_user.password = 'f8s7ccs'
 session.commit()
 new_user = session.query(User).filter_by(name='ed').first()
 print("-------这是修改数据的结果-------")
 print(new_user)
 print('\n')
 
 # 先查询出要删除的数据，然后使用session.delete()和session.delete()即可
 data = session.query(User).filter(User.id==5).first()
 # print(data)
 session.delete(data)
 session.commit()

使用sqlalchemy操作数据库中的数据

例五（使用sqlalchemy实现数据表的外键关联）：

　　作为关系型数据库，表与表之间的外键关联是比不可少的，也是至关重要的，那么改如何使用sqlalchemy在python对象中通过类的形式映射这种关系呢？ 请看下面的代码。

 import sqlalchemy
 from sqlalchemy import create_engine
 from sqlalchemy.ext.declarative import declarative_base
 from sqlalchemy import Column, Integer, String, Enum, ForeignKey
 from sqlalchemy.orm import sessionmaker, relationship
 
 engine = create_engine('mysql+pymysql://root:123456@localhost/student')
 
 Base = declarative_base()
 
 class Student(Base):
     __tablename__ = 'student_info'
 
     # 设置id, 类型为int, 不能为空, id是这张表的主键
     id = Column(Integer, nullable=False, primary_key=True)
     # 设置stu_id, 类型为int, 不能为空, id在这张表中的值唯一
     stu_id = Column(Integer, nullable=False, unique=True)
     name = Column(String(32), nullable=False, )
     age = Column(Integer, nullable=False, )
     gender = Column(Enum('F', 'M'), nullable=False)
 
     # 查询结果的显示是此函数返回的格式
     def __repr__(self):
         return "<Student(stu_id='%s', name='%s', age='%s', gender='%s')>" % (
             self.stu_id, self.name, self.age, self.gender)
 
 class Study(Base):
     __tablename__ = 'study_level'
 
     id = Column(Integer, nullable=False, primary_key=True)
     # 设置stu_id为study_level表的外键，与student_info表中的stu_id关联
     stu_id = Column(Integer, ForeignKey('student_info.stu_id'))
     mathematics = Column(Integer)
     physics = Column(Integer)
     chemistry = Column(Integer)
 
     # 定义关系，可以在本类中使用属性student_info查询表student_info中的数据（以同样的条件）
     # 也可以在Student类中使用属性study_level查询表study_level中的数据
     student_info = relationship('Student', backref='study_level')
 
     def __repr__(self):
         return "<Study(name=%s, mathematics=%s, physics=%s, chemistry=%s)>" % (
             self.student_info.name, self.mathematics, self.physics, self.chemistry)
 
 # Base.metadata.create_all(engine)
 
 Session = sessionmaker(engine)
 session = Session()
 
 # 插入4个学生信息
 # session.add_all([Student(stu_id=10001, name='zhangsan', age=16, gender='F'),
 #                  Student(stu_id=10002, name='lisi', age=17, gender='M'),
 #                  Student(stu_id=10003, name='wangwu', age=16, gender='M'),
 #                  Student(stu_id=10004, name='zhouliu', age=15, gender='F')])
 #
 # 插入考试成绩，成绩不到60分的科目需补考，再插入补考成绩
 # session.add_all([Study(stu_id=10001, mathematics=78, physics=70, chemistry=83),
 #                  Study(stu_id=10002, mathematics=87, physics=85, chemistry=92),
 #                  Study(stu_id=10003, mathematics=60, physics=54, chemistry=76),
 #                  Study(stu_id=10004, mathematics=52, physics=46, chemistry=44),
 #                  Study(stu_id=10003, physics=68),
 #                  Study(stu_id=10004, mathematics=63, physics=61, chemistry=65)])
 # session.commit()
 
 # 使用这种方法查询多张表，表之间可以没有任何关系
 data = session.query(Student, Study).filter(Student.stu_id==Study.stu_id).all()
 print(data)
 print('\n')
 
 # 使用下面的方法通过一张表查询其他表，表之间必须有外键关联
 # 因为每个学生的信息唯一，所以使用first()
 student = session.query(Student).filter(Student.stu_id==10003).first()
 print(student)
 # print(student.study_level)相当于Student.stu_id==10003时，下面的两行代码
 # data = session.query(Study).filter(session.query(Study).filter(Student.stu_id==Study.stu_id).all()).all()
 # print(data)
 print(student.study_level)
 print('\n')
 
 # 因为一个学生可能会有多次考试记录，所以使用all()
 score = session.query(Study).filter(Study.stu_id==10003).all()
 print(score)
 # print(score[0].student_info)相当于Study.stu_id==10003时
 # 因为在student_info表中stu_id的值唯一，所以只有一条数据
 # data = session.query(Student).filter(Study[0].stu_id==Student.stu_id).first()
 # print(data)
 print(score[0].student_info)

fk_sqlalchemy.py

mysql> select * from student_info;
+----+--------+----------+-----+--------+
| id | stu_id | name     | age | gender |
+----+--------+----------+-----+--------+
|  1 |  10001 | zhangsan |  16 | F      |
|  2 |  10002 | lisi     |  17 | M      |
|  3 |  10003 | wangwu   |  16 | M      |
|  4 |  10004 | zhouliu  |  15 | F      |
+----+--------+----------+-----+--------+
4 rows in set (0.00 sec)
 
mysql> select * from study_level;
+----+--------+-------------+---------+-----------+
| id | stu_id | mathematics | physics | chemistry |
+----+--------+-------------+---------+-----------+
|  1 |  10001 |          78 |      70 |        83 |
|  2 |  10002 |          87 |      85 |        92 |
|  3 |  10003 |          60 |      54 |        76 |
|  4 |  10004 |          52 |      46 |        44 |
|  5 |  10003 |        NULL |      68 |      NULL |      #学号为10003的学生，只有一科成绩小于60，只补考一科
|  6 |  10004 |          63 |      61 |        65 |      #学号为10004的学生，三科成绩都小于60，需补考三科
+----+--------+-------------+---------+-----------+
6 rows in set (0.00 sec)

　　注：对有外键关联的数据表，进行数据的增删该查，与上例中使用的方式一样，不过受外键约束，约束条件同mysql中外键的约束相同。（详细请参见：http://www.cnblogs.com/God-Li/p/8157312.html）

例六（使用sqlalchemy实现mysql中多对多的关系）：

　　多对多的数据关系是最常见的实际生产的数据关系，比如超市的商品与顾客之间的关系（一个顾客可以买多种商品，一种商品可以被多个顾客购买），比如电影与演员的关系（一名演员可以参演多部电影，一部电影会有多个演员），这些数据是我们经常使用的，比如我们在视频网站查找电影时，会有按演员查找，对于一部电影我们也经常关注是哪些演员参演的。那么改如何使用sqlalchemy在mysql中存储这些关系呢？我们就以超市商品与顾客之间的关系来做一个示例，请看下面的代码。

　　为了便于理解，我们先来看一下表结构（一共三张表）

# 商品表，存储商品的名称，价格，和生产日期（为了简单只存这几样信息）
mysql> select * from products;
+----+-------------+-------+------------+
| id | name        | price | pro_date   |
+----+-------------+-------+------------+
|  1 | iPhone8     |  6988 | 2017-09-18 |
|  2 | Apple Watch |  2588 | 2017-06-20 |
|  3 | Airpods     |  1288 | 2017-01-11 |
|  4 | MacBook     | 10288 | 2017-05-13 |
+----+-------------+-------+------------+
4 rows in set (0.00 sec)
 
# 顾客表，存储顾客的姓名（这里为了简单只存了姓名，其实还应该用性别、年龄等具体信息）
mysql> select * from customers;
+----+-----------+
| id | name      |
+----+-----------+
|  1 | ZhangSang |
|  2 | WangWu    |
|  3 | XiaoMing  |
|  4 | LiSi      |
|  5 | ZhaoLiu   |
+----+-----------+
5 rows in set (0.00 sec)
 
# 商品顾客关系表，存储商品与用户的关系，可通过用户查购买了哪些商品，也可通过商品查有哪些用户购买
mysql> select * from product_to_customer;
+------------+-------------+
| product_id | customer_id |
+------------+-------------+
|          4 |           4 |
|          4 |           3 |
|          3 |           2 |
|          2 |           1 |
|          2 |           4 |
|          2 |           2 |
|          2 |           5 |
|          2 |           3 |
|          1 |           1 |
|          1 |           4 |
|          1 |           5 |
+------------+-------------+
11 rows in set (0.00 sec)

　　接着我们来看一下如何使用python来创建这些表，插入并查询这些信息。

 import sqlalchemy
 from sqlalchemy import Table, Column, Integer, String, DATE, ForeignKey
 from sqlalchemy.orm import relationship
 from sqlalchemy.ext.declarative import declarative_base
 from sqlalchemy import create_engine
 
 Base = declarative_base()
 
 # 商品与顾客关系表结构
 product_to_customer = Table('product_to_customer', Base.metadata,
                             Column('product_id', Integer, ForeignKey('products.id')),
                             Column('customer_id', Integer, ForeignKey('customers.id')))
 
 # 用户表结构
 class Customer(Base):
     __tablename__ = 'customers'
 
     id = Column(Integer, primary_key=True)
     name = Column(String(32))
 
     def __repr__(self):
         return self.name
 
 # 商品表结构
 class Product(Base):
     __tablename__ = 'products'
 
     id = Column(Integer, primary_key=True)
     name = Column(String(32))
     price = Column(Integer)
     pro_date = Column(DATE)
     customers = relationship(Customer, backref='products', secondary='product_to_customer')
 
     def __repr__(self):
         return self.name
 
 engine = create_engine('mysql+pymysql://root:123456@localhost/supermarket')
 Base.metadata.create_all(engine)

table_struct.py

 import table_struct
 from sqlalchemy.orm import sessionmaker
 
 Session = sessionmaker(table_struct.engine)
 session = Session()
 
 # 构建商品信息
 # p1 = table_struct.Product(name='iPhone8', price='6988', pro_date='2017-9-18')
 # p2 = table_struct.Product(name='MacBook', price='10288', pro_date='2017-5-13')
 # p3 = table_struct.Product(name='Airpods', price='1288', pro_date='2017-1-11')
 # p4 = table_struct.Product(name='Apple Watch', price='2588', pro_date='2017-6-20')
 #
 # 构建顾客信息
 # c1 = table_struct.Customer(name="ZhangSang")
 # c2 = table_struct.Customer(name="LiSi")
 # c3 = table_struct.Customer(name="WangWu")
 # c4 = table_struct.Customer(name="ZhaoLiu")
 # c5 = table_struct.Customer(name="XiaoMing")
 #
 # 构建商品与顾客的关系
 # p1.customers = [c1, c2, c4]
 # p2.customers = [c2, c5]
 # p3.customers = [c3]
 # p4.customers = [c1, c2, c3, c4, c5]
 #
 # session.add_all([p1, p2, p3, p4, c1, c2, c3, c4, c5])
 # session.commit()
 
 # 通过顾客查询他购买了哪些商品
 customer_obj = session.query(table_struct.Customer).filter(table_struct.Customer.name=='XiaoMing').first()
 print(customer_obj.products)
 
 # 通过商品查询有哪些顾客购买
 product_obj = session.query(table_struct.Product).filter(table_struct.Product.name=="iPhone8").first()
 print(product_obj.customers)

database_api.py