似乎ORM最难设计的部分是查询。特别是面向对象的查询,今天学习SQLAlchemy,发现SQLAlchemy的查询语法竟如此灵活,惊叹其如此强大的表达能力的同时也对Python也有了更深的认识。下面看一下我写的一些查询语句:
#简单查询
print(session.query(User).all())
print(session.query(User.name, User.fullname).all())
print(session.query(User, User.name).all())
#带条件查询
print(session.query(User).filter_by(name='user1').all())
print(session.query(User).filter(User.name == "user").all())
print(session.query(User).filter(User.name.like("user%")).all())
#多条件查询
print(session.query(User).filter(and_(User.name.like("user%"), User.fullname.like("first%"))).all())
print(session.query(User).filter(or_(User.name.like("user%"), User.password != None)).all())
#sql过滤
print(session.query(User).filter("id>:id").params(id=1).all())
#关联查询
print(session.query(User, Address).filter(User.id == Address.user_id).all())
print(session.query(User).join(User.addresses).all())
print(session.query(User).outerjoin(User.addresses).all())
#聚合查询
print(session.query(User.name, func.count('*').label("user_count")).group_by(User.name).all())
print(session.query(User.name, func.sum(User.id).label("user_id_sum")).group_by(User.name).all())
#子查询
stmt = session.query(Address.user_id, func.count('*').label("address_count")).group_by(Address.user_id).subquery()
print(session.query(User, stmt.c.address_count).outerjoin((stmt, User.id == stmt.c.user_id)).order_by(User.id).all())
#exists
print(session.query(User).filter(exists().where(Address.user_id == User.id)))
print(session.query(User).filter(User.addresses.any()))
下面是映射类:
class User(Base):
__tablename__ = "users"
id = Column("id", Integer, primary_key=True)
name = Column("name", String)
fullname = Column("fullname", String)
password = Column("password", String)
addresses = relation("Address", order_by="Address.id", backref="user")
def __init__(self, id=None, name=None, fullname=None, password=None, addresses=[]):
self.id = id
self.name = name
self.fullname = fullname
self.password = password
self.addresses = addresses
def __repr__(self):
return "<User '{name}' '{fullname}' '{password}' {addresses}>".format(name=self.name, fullname=self.fullname, password=self.password, addresses=self.addresses)
class Address(Base):
__tablename__ = "address"
id = Column(Integer, primary_key=True)
email_address = Column(String, nullable=False)
user_id = Column(Integer, ForeignKey("users.id"))
#user = relation("User", backref="addresses", order_by="Address.id")
def __init__(self, email_address=None):
self.email_address = email_address
def __repr__(self):
return "<Address ({email_address}) user={user}>".format(email_address=self.email_address, user=self.user.name)
查询中最让我印象深刻的是对'=='操作符的重载和连接查询,如果不是这里看到,我还真记不起来在Python里可以重载这个操作符。其实在Python中只需要重写__eq__方法即可实现'=='操作符的重载。其实关于SQLAlchemy查询的东西远不只这些,有兴趣的同学可以看官方文档(http://www.sqlalchemy.org/docs/05/ormtutorial.html),说得比我详细得多。例子放在压缩包中,供有需要的同学下载。
需要说明的是我在Address类中把user那行注释掉了,原因是因为加上这一行将会重复创建关系,意思也就是说只需要在一边配置关系即可。那这样还能在Address类中访问user属性吗,答案是肯定的。SQLAlchemy会自动帮你加上这个属性。看我的__repr__方法里写的就知道。
以上代码在Python3.0中编译通过,不知道怎么在Python3.0中安装SQLAlchemy的同学请看我的上一篇blog。
分享到:
- 2009-04-27 21:15
- 浏览 8702
- 评论(0)
- 论坛回复 / 浏览 (0 / 4678)
- 查看更多
相关推荐
SQLAlchemy-Vertica支持SQLAlchemy的大部分功能,如创建表、插入数据、查询数据等。例如,创建一个简单的表: ```python from sqlalchemy import MetaData, Table, Column, Integer, String metadata = MetaData()...
库中包含了一些辅助函数,如`grouped_load()`用于批量加载关联对象,`text_column()`和`sqlalchemy.text()`一起使用可以方便地执行SQL文本查询,`paginate_query()`帮助进行分页查询等。这些函数使得数据库操作更...
4. **缓存策略**:为了提高性能,SQLAlchemy-Utils 包含了缓存策略,允许你缓存查询结果,减少不必要的数据库访问。 5. **模型扩展**:有一些预定义的模型类,如软删除(Soft Delete)和时间戳(Timestamps)模型,...
`ModelComparator`则提供了一种比较SQLAlchemy模型实例的便捷方式,特别是在做复杂查询和条件判断时。 关于文档,sqlalchemy-utils项目通常会包含详尽的API文档,解释每个函数、类和方法的具体用法,以及示例代码来...
2. **序列化与反序列化**:SQLAlchemy-JSONAPI 提供了将 SQLAlchemy 查询结果序列化为 JSONAPI 对象,以及将接收到的 JSONAPI 请求反序列化为 SQLAlchemy 对象的机制,简化了数据的转换过程。 3. **错误处理**:...
6. **最佳实践**:使用SQLAlchemy时,应注意避免N+1查询问题,合理设计数据模型以减少冗余,以及适时关闭Session以释放资源。 综上所述,SQLAlchemy是一个强大的Python ORM库,通过它,开发者可以更方便地在Python...
安装完成后,开发者可以在项目中导入 SQLAlchemy 并开始使用,例如创建数据模型、会话管理、执行 SQL 查询等。 综上所述,SQLAlchemy 是 Python 中用于数据库操作的强大工具,它提供了 ORM 和 SQL 工具包,简化了...
SQLAlchemy-Continuum是Python数据库建模库SQLAlchemy的一个扩展,专注于版本控制。这个资源,SQLAlchemy-Continuum-0.2.0.tar.gz,是从Python的官方软件包索引PyPI(Python Package Index)获取的。PyPI是Python...
SQLAlchemy-PostgreSQL-JSON库的核心功能在于提供了一套丰富的API,允许开发者在SQLAlchemy模型中定义JSON字段,并能够方便地进行查询和更新。例如,你可以创建一个具有JSON字段的表模型,然后通过Python对象直接...
`sqlalchemy-datatables`则是这个ORM的扩展,它使用户能够方便地将SQLAlchemy查询结果与HTML5的DataTables插件集成,DataTables是一个流行的JavaScript库,用于增强HTML表格的功能,如排序、搜索、分页等。...
**SQLAlchemy:Python数据库操作库** SQLAlchemy 是 Python 中的一款强大的关系型数据库引擎,它提供了全面的对象关系映射(ORM)系统以及底层SQL工具。在Python编程中,SQLAlchemy允许开发者使用面向对象的方式来...
而 SQLAlchemy-Searchable 是一个 SQLAlchemy 的扩展插件,它为 ORM 对象引入了全文搜索功能,使得在 Python 应用中实现高效、灵活的数据库查询变得更加容易。 **1. SQLAlchemy-Searchable 的核心功能** ...
2. **SQL构造**:SQLAlchemy的表达式语言允许开发者用Python代码构建复杂的SQL查询,同时保持代码的清晰和简洁。 3. **ORM支持**:通过定义Python类来映射数据库表,开发者可以直接操作对象,无需关注底层SQL语句。...
该库将SQLAlchemy的功能与BigQuery的API相结合,使得开发者可以使用SQLAlchemy的语法来执行BigQuery的查询和操作。例如,可以创建表、插入数据、执行复杂的JOIN操作,甚至使用ORM定义模型,然后通过这些模型进行查询...
5. **性能优化**:Flask-SQLAlchemy-Booster可能包含了对SQLAlchemy性能的增强,例如缓存策略、查询优化等,以提升大型应用的处理能力。 6. **错误处理**:提供统一的错误处理机制,当数据库操作出现异常时,能够以...
综上所述,`sqlalchemy-graphql-schemagen-1.0.6.tar.gz`是一个用于简化GraphQL和SQLAlchemy集成的工具,它可以帮助开发者快速构建与数据库模型对应的GraphQL API,尤其适用于需要处理复杂数据查询和分布式部署的云...
SQLAlchemy提供了强大的元数据定义、事务管理、查询构造器和连接池等功能,使其成为Python Web开发中的首选数据库接口。 **PostgreSQL:开源关系型数据库** PostgreSQL是一种强大的开源关系数据库管理系统,以其...
SQLAlchemy 是 Python 中广泛使用的 ORM 框架,它允许开发者使用面向对象的方式来操作数据库,而无需直接编写 SQL 查询。通过 SQLAlchemy,开发者可以定义数据模型,创建、查询和更新数据库记录,同时保持代码的灵活...
它的主要功能在于允许用户收集和监控与数据库相关的性能指标,如查询执行时间、连接池状态等。这对于系统管理员和开发者来说是非常有用的,因为它可以提供对数据库性能的实时洞察,帮助识别潜在的问题和瓶颈。 ...