Python中SQLAlchemy库的使用方法分析！

  • A+
所属分类：Python学习

Python中SQLAlchemy库的使用方法分析！

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使用SQL来交互,而无需处理数据库的具体细节,本文给大家详细分析了Python中SQLAlchemy库的使用方法,需要的朋友可以参考下。

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使用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灵活

二、核心（Core）：

SQLAlchemy 的核心部分提供了一组工具来执行SQL操作，包括创建和执行SQL语句、连接池管理、事务管理等。开发者可以使用核心部分来执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：

灵活性：
多种不同的方式来与数据库交互，包括使用核心部分执行原始SQL语句、使用ORM进行对象关系映射、以及使用表达式语言构建SQL查询等

功能丰富：
许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工具允许开发者使用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，隐藏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使用这个工具包

四、缺点：性能开销

尽管SQLAlchemy提供了许多便利的功能，但有时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损失

五、与其他工具比较：

与其他ORM工具的比较：

Django ORM Peewee SQLObject
与Django ORM相比，SQLAlchemy提供了更多的灵活性和功能，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，适合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，适合于简单的数据库操作和小型项目

但Peewee的功能相对较少，不如SQLAlchemy灵活

 SQLObject 是另一个Python ORM库，它的设计更加接近于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，通常适用于简单的数据库操作

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__)" 或者 pip show sqlalchemy

Python中SQLAlchemy库的使用方法分析！

为了让大家更快上手，先学习下下面这个实战项目：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
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)

最终截图如下：

Python中SQLAlchemy库的使用方法分析！

通过看完整个代码逻辑，带着一些小疑问，深入探讨下这些API的使用方式

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，该引擎可以执行SQL操作

1
2
3
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 地址
  • port：数据库端口号，默认是 MySQL 的端口号 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，端口号是 3306，要连接的数据库名称是 my_database，那么连接字符串就应该是：

1
'mysql://user1:pass123@localhost:3306/my_database'

对于数据库类型常用的：mysql+pymysql，主要区别在于其使用的数据库驱动程序不同。

  • mysql+pymysql：（更简单地安装和使用，可以选择使用 pymysql）
    指定使用 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 中直接使用
  • mysql：（对性能要求比较高，可以选择使用 mysql 并配合 MySQLdb 或者 mysqlclient）
    没有指定具体的数据库驱动程序，使用默认的 MySQL 客户端库，一般情况下会使用 MySQLdb 或者 mysqlclient

再额外补充其他的URL格式：

1
2
3
4
5
6
7
8
9
10
11
# 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，该类用于执行 ORM（对象关系映射）操作

主要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，用于在代码中执行数据库操作

1
2
3
# 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，默认为 Session 类
  • autocommit：是否自动提交事务，默认为 False
  • autoflush：是否自动刷新会话，默认为 True
  • expire_on_commit：在提交事务时是否自动使对象过期，默认为 True
  • info：一个字典，用于指定会话的其他配置信息

具体示例如下：

1
2
3
4
5
6
7
8
9
10
11
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：

  • 在使用会话对象执行数据库操作后，一般需要调用 commit 方法提交事务，或者调用 rollback 方法回滚事务。
  • 在会话对象的作用域结束时，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）

使用 ORM 进行数据库操作的核心部分之一，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 类是使用 declarative_base() 函数创建的

1
2
3
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

1
2
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

1
2
3
4
5
6
7
8
from sqlalchemy import Column, Integer, String
class User(Base):
__tablename__ = 'users'
id = Column(Integer, primary_key=True)
name = Column(String(255))
age = Column(Integer)

对应的属性如下：

属性的含义：

  • 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 语句来执行数据库操作。于执行复杂的查询、跨表查询或性能要求较高的场景

示例代码：

1
2
3
4
5
6
7
8
9
10
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：

Python中SQLAlchemy库的使用方法分析！

二、基于ORM查询：

  • 操作对象来执行数据库操作，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
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
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)
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 的查询直接使用原始的 SQL 语句，而基于 ORM 的查询则是通过 ORM 工具来执行数据库操作
  • 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执行数据库操作，不需要编写原始的 SQL 语句
  • 灵活性：基于 SQL 的查询更加灵活，可以执行复杂的原始 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

前半部分代码如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
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)

3.1 增加（C）

  • 添加单个对象：将新对象添加到数据库中
1
2
3
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
1
2
3
users = [User(name='BB', age=30), User(name='CC', age=25)]
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

1
all_users = session.query(User).all()

根据条件查询：根据指定条件过滤对象

1
2
3
4
# # 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

1
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

1
2
3
user = session.query(User).filter_by(name='Alice').first()
user.age = 35
session.commit()

批量更新：使用 update() 方法批量更新满足条件的对象

1
2
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

1
2
3
user = session.query(User).filter_by(name='Alice').first()
session.delete(user)
session.commit()

批量删除：使用 delete() 方法批量删除满足条件的对象

1
2
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：

1
2
3
4
5
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

主要问题如下：
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：

1
2
3
4
5
6
7
8
9
10
11
12
from sqlalchemy import Column, Integer, String
from 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结构

如果不是建表，可以省略字段长度

4.2 filter 和 filter_by

  • filter 方法使用类名和属性名来构建查询条件，比较通常使用 ==，也可以使用其他比较操作符如 >, <, >=, <= 等
  • filter_by 方法直接使用属性名和相应的值来构建查询条件，比较通常使用 =

以下为简易Demo，方便理解：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
# 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，或者使用AND 条件连接多个条件

1
2
3
# 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()

或者如下：

1
2
3
4
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()

以上就是Python中SQLAlchemy库的使用方法分析的详细内容。

 

学习资料见知识星球。

以上就是今天要分享的技巧，你学会了吗？若有什么问题，欢迎在下方留言。

快来试试吧，小琥 my21ke007。获取 1000个免费 Excel模板福利​​​​！

更多技巧， www.excelbook.cn

欢迎 加入 零售创新 知识星球，知识星球主要以数据分析、报告分享、数据工具讨论为主；

Python中SQLAlchemy库的使用方法分析！

你将获得：

1、价值上万元的专业的PPT报告模板。

2、专业案例分析和解读笔记。

3、实用的Excel、Word、PPT技巧。

4、VIP讨论群，共享资源。

5、优惠的会员商品。

6、一次付费只需99元，即可下载本站文章涉及的文件和软件。

  • 我的微信
  • weinxin
  • 我的知识星球
  • weinxin

发表评论

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: