Python库学习(十四):ORM框架-SQLAlchemy_sqlalchemy orm

1.介绍

SQLAlchemy 是一个用于 Python 的 SQL 工具和对象关系映射（ORM）库。它允许开发者通过 Python 代码而不是 SQL查询语言来操作数据库。SQLAlchemy 提供了一种灵活且强大的方式来与关系型数据库交互，支持多种数据库后端，如 PostgreSQL、MySQL、SQLite 等。

本文使用的SQLAlchemy版本: 1.4.51

1.1 Core和Orm

当学习使用 SQLAlchemy 时，经常会听到两个核心概念：SQLAlchemy ORM 和 SQLAlchemy Core。它们分别是 SQLAlchemy 的两个主要组件，用于处理数据库操作的不同层次。

a.SQLAlchemy ORM:

• 提供了一种将数据库表映射到 Python 对象的方式，通过定义 Python 类来表示数据库表。
• 对象关系映射允许开发者通过使用对象和类的方式进行数据库操作，而不必直接使用 SQL 语句。
• 更适合那些希望以面向对象的方式与数据库交互、利用类和对象的优势的开发者。

b.SQLAlchemy Core:

• 以更灵活的方式构建 SQL 查询，并允许直接执行原生 SQL语句。
• 不涉及对象和类的概念，更注重于 SQL 查询语句的构建和执行。
• 适合那些希望直接使用原生SQL的开发者。

c.SQLAlchemy核心组件图

1.2 文档资料

• SQLAlchemy 1.4 中文文档
• SQLAlchemy 2.0 官方文档

2.使用准备

2.1 安装sqlalchemy

@注意: 虽然sqlalchemy已经升级到2.0, 但发现自动生成模型工具sqlacodegen生成的代码还是基于1.4,加上2.0相关中文文档还不是很完善，所以这里仍然使用1.4版本 。

# 安装
$  python-learn pip install sqlalchemy==1.4.51
...
Installing collected packages: sqlalchemy
Successfully installed sqlalchemy-1.4.51
1

2.2 安装数据库依赖

sqlalchemy可以操作多种数据库，需要注意的是，不同的数据库的连接方式是不一样，依赖的库也不一样，这里列举一些常见数据依赖和连接格式：

2.2.1 关系型数据库

2.2.2 NoSQL数据库

说明: 虽然SQLAlchemy支持两种方式操作数据库(Core和Orm),因为精力和文章篇幅问题，下面只学习ORM方式操作。

3.快速使用

3.1 使用流程

使用SQLAlchemy ORM的一般流程包括以下步骤:

• 定义模型类(ORM)： 定义 Python类,其属性和数据表中的字段一一映射,一个模型类就是一个表。
• 创建引擎(Engine)： 通俗的讲就是和数据库建立链接；
• 创建会话(Session)： 它提供了一种管理数据库事务和执行数据库操作的方式。会话允许你在应用程序中创建、更新、删除数据库中的数据，并提供了一系列方法来管理事务的提交和回滚。
• 执行数据库操作： 使用会话进行数据库操作，包括添加、修改、删除数据。

3.2 定义模型

from sqlalchemy import Column, String, TIMESTAMP
from sqlalchemy.dialects.mysql import BIGINT, TINYINT, VARCHAR
from sqlalchemy.ext.declarative import declarative_base

# 模型父类
Base = declarative_base()

# 用户模型和表一一对应
class YmUser(Base):
    __tablename__ = 'ym_user'
    __table_args__ = {'comment': '用户表'}

    id = Column(BIGINT, primary_key=True, comment='主键')
    union_id = Column(String(64), comment='微信开放平台下的用户唯一标识')
    open_id = Column(String(64), comment='微信openid')
    nick_name = Column(String(32), index=True, comment='昵称')
    password = Column(String(64), comment='密码')
    avatar = Column(String(255),nullable=False, index=True, server_default=text("''"), comment='头像')
    phone = Column(String(11), index=True, comment='手机号')
    email = Column(String(50), comment='电子邮箱')
    last_login = Column(String(20), comment='上次登录时间')
    status = Column(TINYINT, server_default=text("'1'"), comment='状态；-1:黑名单 1:正常')
    delete_at = Column(String(20), comment='删除时间')
    created_at = Column(TIMESTAMP, comment='创建时间')
    updated_at = Column(TIMESTAMP, comment='更新时间')
1

Column常用参数说明:

sqlalchemy 中的 Column 类有很多参数，以下是一些常用的参数：

• name (str): 列的名称。
• type_ (TypeEngine): 列的数据类型，例如 String, Integer, DateTime 等。
• primary_key (bool): 指定是否为主键列。
• unique (bool): 指定是否唯一。
• nullable (bool): 指定是否可以为空。
• default: 在插入新记录时，如果没有提供该列的值，则将使用默认值。
• server_default: 指定服务器端的默认值。
• index (bool): 指定是否创建索引。
• autoincrement (bool): 指定是否自增。
• onupdate: 在更新时设置的值。
• server_onupdate: 服务器端在更新时设置的值。
• comment (str): 列的注释。

3.3 创建引擎

from sqlalchemy import create_engine

dbHost = 'mysql+pymysql://root:root@127.0.0.1:3306/test'
engine = create_engine(
    dbHost,
    echo=True,  # 是否打印SQL
    pool_size=10,  # 连接池的大小，指定同时在连接池中保持的数据库连接数，默认:5
    max_overflow=20,  # 超出连接池大小的连接数，超过这个数量的连接将被丢弃,默认: 5
)
1

@注意: create_engine 函数在调用时并不会立即与数据库建立真实的连接。相反，它仅是为了创建一个数据库引擎对象，该对象封装了连接到数据库的配置和行为，但直到实际执行数据库操作时才会尝试建立连接。

常见参数说明:

• echo: True/False,是否打印执行的 SQL，默认 False;
• pool_size: 连接池的大小，指同时在连接池中保持的数据库连接数,默认为5;
• max_overflow: 溢出连接的最大数量。当连接池达到上限后，新的连接请求将被放置在溢出队列中。如果溢出队列满了，将引发异常,设置值需要 >=pool_size;
• pool_recycle: 指定连接在连接池中保持的最长时间（以秒为单位）。当设置为非 None 时，连接将在此时间后被回收，避免数据库服务器断开空闲连接,默认为-1。

更多参数可查看文档: https://docs.sqlalchemy.org/en/14/core/engines.html

3.4 封装会话

from sqlalchemy.orm import sessionmaker
from contextlib import contextmanager

# 创建会话工厂
Session = sessionmaker(bind=engine)

@contextmanager
def getSession(autoCommitByExit=True):
    """使用上下文管理资源关闭"""
    session = Session()
    try:
        yield session
        # 退出时，是否自动提交
        if autoCommitByExit:
            session.commit()
    except Exception as e:
        session.rollback()
        raise e
    finally:
        session.close()
1

3.5 使用示例

import json
from sqlalchemy import create_engine, and_, or_, update

def queryRows():
    """ 查询示例 """
    with getSession() as session:
        query = session.query(YmUser).filter(
            or_(
                and_(
                    YmUser.id > 100,
                    YmUser.id < 200,
                    YmUser.nick_name.like("%飞%")
                ),
                YmUser.phone.in_(["17408049453", "15795343139", "13189106944"])
            )
        )
        result = query.all()
        # 转成json
        json_result = json.dumps([user.__dict__ for user in result], default=str)
        print("json_result:", json_result)
        for row in result:
            print("id:{} nick_name:{} phone:{}".format(row.id, row.nick_name, row.phone))

    return result
1

上述代码执行后生成SQL如下:

SELECT ... FROM ym_user 
WHERE  id > 100 AND id < 200 
AND nick_name LIKE '%飞%' 
OR phone IN ('17408049453','15795343139','13189106944')
1

4.新增数据

4.1 新增单条

def addOne():
    """ 新增单条数据 """
    row = YmUser(
        union_id="ui_12344343434",
        open_id="op_ksjdhjjkdhdjdhh",
        nick_name="娃哈哈",
        password="123456",
        email="test@163.com",
        phone="17600000000",
        last_login=datetime.now().strftime("%Y-%m-%d %H:%M:%S"),
        avatar="http://img-avatar.com/head-abc.jpg"
    )
    # 这里想获取新增后的id,需要refresh数据，就不能在上下文里提交
    with getSession(False) as session:
        session.add(row)
        session.commit()
        session.refresh(row)

    print("添加成功,id:{}".format(row.id))
    print("row：".format(row.__dict__))
    

""" 
添加成功,id:10104
row: {'_sa_instance_state': <sqlalchemy.orm.state.InstanceState object at 0x7fc78824f460>, 'nick_name': '娃哈哈', 'id': 10104, 'avatar': 'http://img-avatar.com/head-abc.jpg', 'email': 'test@163.com', 'status': 1, 'created_at': datetime.datetime(2024, 1, 4, 19, 29, 11), 'password': '123456', 'union_id': 'ui_12344343434', 'open_id': 'op_ksjdhjjkdhdjdhh', 'phone': '17600000000', 'last_login': '2024-01-04 19:29:11', 'delete_at': '', 'updated_at': datetime.datetime(2024, 1, 4, 19, 29, 11)}
"""   
1

4.2 批量添加

def batchAdd():
    """ 批量新增数据 """
    rows = []
    for n in range(3):
        row = YmUser(
            union_id="ui_12344343434",
            open_id="op_ksjdhjjkdhdjdhh",
            nick_name="娃哈哈" + str(n),
            password="123456",
            email="test@163.com",
            phone="17600000000",
            last_login=datetime.now().strftime("%Y-%m-%d %H:%M:%S"),
            avatar="http://img-avatar.com/head-abc.jpg"
        )
        rows.append(row)
    # 这里设置不在上下文中提交，否则报错
    with getSession() as session:
        session.bulk_save_objects(rows)
1

5.更新数据

5.1 根据字典更新

def updateDictById(id: int, newVal: dict) -> int:
    """ 根据id更新数据(值是字典) """
    updateStmt = update(YmUser).where(YmUser.id == id).values(newVal)
    with getSession() as session:
        result = session.execute(updateStmt)
        rowcount = result.rowcount
    return rowcount
  
# 调用
updateVal = updateDictById(10, {
    "nick_name": "猿码记",
    "email": "猿码记@163.com",
    "status": -1,
})

# 生成SQL
"""
UPDATE ym_user SET nick_name='猿码记', email='猿码记@163.com', status=-1 WHERE ym_user.id = 10
"""
1

5.2 根据模型更新

def updateModelById(id: int):
    """ 根据id更新数据(值是model) """
    with getSession() as session:
        # 先查在更新
        exist = session.query(YmUser).filter(YmUser.id == id).first()
        if exist.id == 0:
            return
        exist.nick_name = "呵呵呵呵呵"
        exist.email = "112233@qq.com"

# 调用
updateModelById(20)
# 生成SQL
"""
UPDATE ym_user SET nick_name='呵呵呵呵呵', email='112233@qq.com' WHERE ym_user.id = 20
"""
1

6.查询数据

6.1 常用方法列表

• query.first(): 返回查询结果的第一条记录，如果没有结果则返回 None。

• query.one(): 返回查询结果的唯一一条记录，如果结果集为空或包含多条记录，则引发 sqlalchemy.exc.NoResultFound 或 sqlalchemy.exc.MultipleResultsFound 异常。

• query.one_or_none(): 返回查询结果的唯一一条记录，如果结果集为空则返回 None，如果包含多条记录则引发 sqlalchemy.exc.MultipleResultsFound 异常。

• query.scalar(): 返回查询结果的第一列的第一个值，通常用于获取单个聚合函数的结果，如 COUNT、SUM 等。

• query.filter(): 添加过滤条件到查询中，可以通过链式调用添加多个条件。

• query.limit(10): 限制查询结果的数量。

• query.join(*props, **kwargs): 执行连接操作，可以连接其他表进行复杂的查询。

• query.outerjoin(*props, **kwargs): 执行外连接操作，返回左表中的所有记录以及右表中匹配的记录。

• query.distinct(): 去除查询结果中的重复记录。

• query.count(): 返回查询结果的记录数量，通常与 filter 结合使用以实现条件查询的数量统计。

6.2 常用筛选器运算符

# 等于
query.filter(User.name == '张三')
# 不等于
query.filter(User.name != '张三')
# like
query.filter(User.name.like('%张三%'))
# 不区分大小写like
query.filter(User.email.ilike('%163.com%'))
# in
query.filter(User.name.in_(['张三', '李四', '王麻子']))
# not in
query.filter(~User.name.in_(['张三', '李四', '王麻子']))
# AND查询
from sqlalchemy import and_
query.filter(and_(User.name == '张三', User.phone == '1760000000'))
# OR查询
from sqlalchemy import or_
query.filter(or_(User.name == '张三', User.phone == '1760000000'))
# order by查询 ORDER BY ym_user.id DESC, ym_user.phone DESC
query.order_by(desc(YmUser.id), desc(YmUser.phone))
# group by 查询
query.group_by(YmUser.phone)
1

6.3 分页查询示例

def queryByPage(page: int, pageSize: int, conditions: dict):
    """ 分页查询 """
    # 计算起始索引
    offset = (page - 1) * pageSize
    with getSession() as session:
        query = session.query(YmUser)
        # 填充查询条件
        if len(conditions) > 0:
            query = query.filter_by(**conditions)

        # 查询总条数
        total = query.count()
        # 排序分页
        query = query.order_by(desc(YmUser.id)).offset(offset).limit(pageSize)
        # 查询记录
        result = query.all()

    return total, result
  

# 调用
conditions = {
    "status": 1,
}
queryByPage(1, 5, conditions)

# 生成SQL
"""
SELECT * FROM ym_user 
WHERE ym_user.status = 1 ORDER BY ym_user.id DESC 
 LIMIT 0, 5
""" 
1

6.4 使用文本SQL

def queryByTextSQL():
    """ 使用文本SQL查询 """
    with getSession() as session:
        # 文本中直接带参数
        query = session.query(YmUser).filter(text("id > 100 and id < 500"))
        # 文本中,使用params绑定参数
        query = query.filter(text("nick_name like :nick_name and last_login > :last_login")).params(
            nick_name='%龙%',
            last_login='2023-10-01 00:00:00'
        )
        # 排序
        query = query.order_by(text("id desc"))
        # 查询记录
        result = query.all()
        return result
      
# 调用
queryByTextSQL()

# 生成SQL
"""
SELECT * FROM ym_user 
WHERE id > 100 and id < 500 
AND nick_name like '%龙%' and last_login > '2023-10-01 00:00:00' 
ORDER BY id desc
"""
1

6.5 连接查询

def queryByJoin():
    """ 连接查询"""
    with getSession() as session:
        # -------方式一: 同时查询多张表 -------
        query = session.query(YmUser, YmUserInfo).filter(YmUser.id == YmUserInfo.uid, YmUser.id < 50)
        query = query.filter(YmUser.id == YmUserInfo.uid, YmUser.id < 50)
        result = query.all()
        for user, userInfo in result:
            print("user:", user.__dict__)
            print("userInfo:", userInfo.__dict__)

        # -------方式二: 使用Join函数 -------
        queryJoin = session.query(YmUser).join(YmUserInfo, YmUser.id == YmUserInfo.uid)
        queryJoin = queryJoin.filter(YmUser.id < 50)
        result2 = queryJoin.all()

        # -------方式三: 使用outerjoin函数 -------
        queryJoin2 = session.query(YmUser).outerjoin(YmUserInfo, YmUser.id == YmUserInfo.uid)
        queryJoin2 = queryJoin2.filter(YmUser.id < 50)
        result3 = queryJoin2.all()

        return result, result2, result3
1

三种方式生成的SQL分别如下:

-- 方式一
SELECT ym_user.*,ym_user_info.*
FROM ym_user, ym_user_info 
WHERE ym_user.id = ym_user_info.uid AND ym_user.id < 50

-- 方式二
SELECT ym_user.*,ym_user_info.* 
FROM ym_user INNER JOIN ym_user_info ON ym_user.id = ym_user_info.uid 
WHERE ym_user.id < 50

-- 方式三
SELECT ym_user.*,ym_user_info.* 
FROM ym_user LEFT OUTER JOIN ym_user_info ON ym_user.id = ym_user_info.uid 
WHERE ym_user.id < %(id_1)s
1

@注意: 只有方式一查询的结果是同时返回两个模型的数据YmUser、YmUserInfo，其他方式返回的都是模型YmUser,返回几个模型取决于query()中的参数，是几个模型

7.模型工具

这是个懒人神器，它可以自动生成 SQLAlchemy 模型类相关代码，不用我们挨个去写模型，它的实现原理：通过连接到数据库，然后分析数据库结构，最后生成对应的 SQLAlchemy 模型类的代码。

项目开源地址: https://github.com/agronholm/sqlacodegen

@说明: 本来一开始学习的SQLAlchemy 2.0版本，因为这个工具生成的模型不能完全适配SQLAlchemy 2.0,后来就果断放弃，改用SQLAlchemy 1.4版本

7.1 安装

# 默认安装
$ pip install sqlacodegen
# 也可以指定版本安装，本人体验的是最新版本
$ pip install sqlacodegen==3.0.0rc3
1

7.2 生成模型

# 生成mysql相关表的模型
$ sqlacodegen mysql+pymysql://root:root@127.0.0.1:3306/test --outfile models.py
1

7.3 生成结果

from sqlalchemy import Column, Index, String, TIMESTAMP, text
from sqlalchemy.dialects.mysql import BIGINT, TINYINT, VARCHAR
from sqlalchemy.orm import declarative_base
Base = declarative_base()

class YmUser(Base):
    __tablename__ = 'ym_user'
    __table_args__ = (
        Index('idx_nick_name', 'nick_name'),
        Index('idx_phone', 'phone'),
        {'comment': '用户表'}
    )

    id = Column(BIGINT, primary_key=True, comment='主键')
    union_id = Column(String(64), nullable=False, server_default=text("''"), comment='微信开放平台下的用户唯一标识')
    open_id = Column(String(64), nullable=False, server_default=text("''"), comment='微信openid')
    nick_name = Column(String(32), nullable=False, server_default=text("''"), comment='昵称')
    password = Column(String(64), nullable=False, server_default=text("''"), comment='密码')
    avatar = Column(String(255), nullable=False, server_default=text("''"), comment='头像')
    phone = Column(String(11), nullable=False, server_default=text("''"), comment='手机号')
    email = Column(String(50), nullable=False, server_default=text("''"), comment='电子邮箱')
    last_login = Column(String(20), nullable=False, server_default=text("''"), comment='上次登录时间')
    status = Column(TINYINT, nullable=False, server_default=text("'1'"), comment='状态；-1:黑名单 1:正常')
    delete_at = Column(String(20), nullable=False, server_default=text("''"), comment='删除时间')
    created_at = Column(TIMESTAMP, nullable=False, server_default=text('CURRENT_TIMESTAMP'), comment='创建时间')
    updated_at = Column(TIMESTAMP, nullable=False, server_default=text('CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP'),
                        comment='更新时间')
1