声明
本篇主要讲，关于peewee的一些拓展：
包括新式CRUD-数据导入导出-信号-数据库反向生成模型。
扩展官档：http://docs.peewee-orm.com/en…
作者友好 与 peewee提问方式
当我用到拓展模块的 新CRUD时，文档给的内容少之又少。
因为拓展的新CRUD是真的方便好用，和（PyMongo的用法差不多）
但是功能却不全。并且与我们第二篇，讲的CRUD又不兼容。
所以在难以取舍之际， 我选择了提问。
peewee作者在官档中详细说到。 如果你有问题或疑惑可以通过以下两种方式：
- 去stack overflow 提问题，标签打上python 和 peewee。 peewee作者会不定期浏览并回答你给你帮助。
- 去https://groups.google.com/gro…，这个google群组提问。（需要科学上网）
所以我选择了去 stack overflow提问。
我问题发出去，应该是不到一小时，作者就给回复了，我惊了。。（发完我就睡觉了，第二天起来才看到）
提问内容传送门如下：https://stackoverflow.com/que…
作者回复的意思是：
拓展的playhouse.dataset里面的DataSet 的 新式CRUD API 的涉及初衷就是为了简单使用。
但它并不会代替 核心CRUD (就是我们第二篇讲的CRUD)
并且，它设计的初衷就是让我们可以方便 （json/csv格式的数据 与 数据库的数据 相互导入或导出）
我说的这些操作，下面都会写到。
所以说，该提问就提问，你收获了peewee知识的同时，又能增加peewee的社区活跃度。
playhouse扩展模块的DataSet
我们前2篇文章就用了这一行代码就可以导入所有，因为所有基本功能都集成在 peewee下
from peewee import *但接下来讲的是扩展，而扩展就是新分支了，与peewee没关系了
from playhouse.dataset import DataSet
数据库连接
进入正题，连接MySQL,你可以有两种连接方式：
# 强调一下，官档中给出 DataSet 是在 playhouse.dataset 下
# 我再强调一下， 是 DataSet ， 而不是 DataBase !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
from playhouse.dataset import DataSet
db = DataSet('mysql://root:Jilin963389970@39.107.86.223:3306/test')
官档-所有数据库的连接示例： http://docs.peewee-orm.com/en…
数据库与表的基本操作
创建表
owner = db['owner']
# 后面这个"owner" 是你自己指定的key, 也就是你指定的 "表名"
# 前面这个 owner 变量用来接受返回结果，它就是一个实例化的表对象。 一会我们用它做一系列操作
我讲完了，表已经创建好了, (你脸上有没有出现问号。。) 惊不惊喜，意不意外？？
题外话：
如果你用过，pymongo来使用MongoDB, 那这种原理应该不陌生的。
那 owner = db['owner'] 这一行代码究竟做了什么？
1. 它会去数据库，创建一个 名为 owner的表 （有则返回，无则创建）
2. 不但创建了表， 而且它还在表中 自动创建了一个 id (int型，主键，自增)
列出表 & 列出字段
列出表（等价于MySQL中的命令： show tables）
print(db.tables)
>> ['new_owner', 'owner']列出表中的字段（等价于MySQL中的命令： show columns）：
table = db['owner'] # 先选择一个表。
print(table.columns)
>> ['id', 'name', 'age', 'gender', 'hobby', 'nickname']统计表中记录数（就是行数）
print(len(table))
>> 10事务(transaction)
其实我在第一篇，已经讲过事务了
事务-传送门： https://segmentfault.com/a/11…
当时我是用的 MySQLDatabase 连接工具。
我只讲了一种使用方法： db.atomic()
其实还有另外一种使用方法，就是 db.transaction()
这两种方法差不多， 你可以这么认为，就是把 atomic 和 transaction 单词换一下，用法一模一样
而现在我们是使用的 DataSet 连接工具 （开篇我强调过）：
db = DataSet(....)
DataSet 只提供给我们 transaction()这种用法， 而没有提供 atomic()
但我说了，这两种用法你可以认为只是单词换了一下。用法一样的。
因此你完全可以直接看我前面给的 "事务-传送门" 这篇之前写的文章。 CRUD (这种CRUD方式我不太推荐)
- 我们第二章详细讲过全套的CRUD，其实那就够了。
- 而本章这个拓展的CRUD，完全是另一种模式。另一个模块的东西。
- 但我不推荐用，因为感觉还没成熟，不完善（很多CRUD细节功能没有）， 官档给的也粗略。
- 此外，下面涉及到与 本套CRUD有关联的操作， 我下面统称为 “拓展的CRUD”
增加数据
owner.insert(name='Alice', age=20)
owner.insert(name='Zhang', age=18)
这看起来没什么问题，我们之前讲的差不多。但你有没有意识到几个问题：
1. owner表 是自动创建出来的，它只有一个主键。
2. 我们没有创建 name 和 age 字段
3. 既然没有创建字段，为什么可以插入数据？？？
解惑：
1. 我们调用第一个 insert()的时候, 它就会自动帮我们 去数据库创建对应参数的字段（固定了）:
数据类型关系对照如下：
python数据类型 MySQL数据类型
int int(11) 允许为空 默认值未空
str text 允许为空 默认值未空
那peewee为我们自动创建的字段如下：
+-------+---------+------+-----+---------+----------------+
| Field | Type | Null | Key | Default | Extra |
+-------+---------+------+-----+---------+----------------+
| id | int(11) | NO | PRI | NULL | auto_increment |
| name | text | YES | | NULL | |
| age | int(11) | YES | | NULL | |
+-------+---------+------+-----+---------+----------------+
2. 创建后，它还会自动为我们根据我们传的参数， 对应的插入 值
3. 特别注意，特别注意：
假如我们插入这样一条错误"类型"的数据:
owner.insert(name=18, age=18) # 按理说name应该为 text型，age应该为整形
虽然我们name给的整形，但，peewee内部会自动为我们转为将 name转为字符串类型
同理 字符串也会自动帮我们转为整形（对应数据库中的类型）。 但'abc'这样的转不了哦修改数据
owner.update(name='Alice', age='50')
这行代码为我们做了如下事情：
将"所有"行数据， name改为 Alice, age改为 50
owner.update(name='Alice', age='50',columns=['name'])
多加了一个 columns参数，为我们做了如下事情：
先看最后的 columns=['name'] ： 其实他就等价于 where name = xxx
其实意思就是以 "name字段为条件" 修改数据：(而name我们已经给了 = 'Alice')
具体过程如下：
1. 找到 name = Alice， 的所有记录
2. 将 name= Alice 的记录 name改为Alice（相当于没变）, age 改为 50
owner.update(gender='man')
你仔细看看，我们之前是没有 gender这个字段的。 如果更新未创建字段，它会为我们做如下事情：
1. 它会自动为我们在这个表中创建一个 这个 "gender新字段"
2. 并且，"所有行记录" 都会被赋予成 "man" 值。 注意是 所有行，所有行，所有行
3. 如果你只想"给指定记录部分"赋予 "man"值， 那你可以加一个我们之前说的 "columns参数"
自然而然地，其他 "未通过 columns指定的记录" 就会被赋予 NULL 值。查询数据
首先说一下它这个查询的特色。
- 可以对查询结果进行 切片，索引操作（和python的切片和索引是一模一样的）
- 索引之后自动转为 列表嵌字典 [{}, {}]
- 下面3种方式，也都支持 切片和索引（我就不举例了，很简单）
方式1：all() 获取全部数据
owner = db1['owner']
query = owner.all()
for obj in query:
print(obj) # 遍历每条记录， 结果是 字典 类型方式2：find() 查询符合条件的所有数据
query = owner.find(name='Tom') # 查询名为 Tom的数据
for obj in query:
print(obj) # 遍历每条记录， 结果是 字典 类型方式3：find_one() 查询符合条件的 第一条 数据
print(owner.find_one(name='Tom'))
注意一下，find_one 查出来结果就是一条字典。 不要再遍历了，遍历就出事了。。。删除数据
result = owner.delete(name='Tom')
说明：
1. 若 delete() 不指定参数，那么即为全部删除。。慎用
2. 返回值result的值， 代表删除数据的条数
Json/CSV数据 导入到数据库（只能联用拓展的CRUD）
Json实例
我在当前目录下创建一个 new_owner.json， 内容如下：
[
{"name": "Alice", "age": 18},
{"name": "Zhang", "age": 30}
]主文件代码如下：
new_owner = db['new_owner'] # 新建一张表，名为 new_owner
new_owner.thaw(
filename='new_owner.json', # 就是上面的那个 json文件
format='json' # 指定格式为json, 默认值是 csv
)
这样就导入好了，数据库内容如下：
+----+------+-------+
| id | age | name |
+----+------+-------+
| 1 | 18 | Alice |
| 2 | 30 | Zhang |
+----+------+-------+特殊情况分析： 假如基于上面创建好的数据库与数据， 将刚刚的json文件稍加改动，加个 “gender”
[
{"name": "Alice", "age": 18, "gender": "man"},
{"name": "Zhang", "age": 30}
]假如我们还是用上面的一模一样的主文件代码（我这里就不重复写了），导入刚修改的 新json数据。
我们分析一下：
我说了，是在原有表 和 字段的 基础上去导入新数据。 （原有数据库字段为 name 和 age）
但是今时不同往日。。。 我们刚刚的json新添加了一个， gender。
而原有的数据库中，并没有这个字段。 如果我们还是用之前的这个代码：
new_owner.thaw(
filename='new_owner.json', # 就是上面的那个 json文件
format='json' # 指定格式为json, 默认值是 csv
)
那么，peewee会自动把这个 新 gender 键，同步到数据库，并生成 新字段 gender
+----+------+-------+--------+
| id | age | name | gender |
+----+------+-------+--------+
| 1 | 18 | Alice | NULL |
| 2 | 30 | Zhang | NULL |
| 3 | 18 | Alice | man |
| 4 | 30 | Zhang | NULL |
+----+------+-------+--------+ 看见了把，gender字段，会自动生成。
但是在某种情况下， 你并不想让数据库 创建这个 新字段
假如json中 “gender” ， 它属于一个脏数据，我们不需要他，而是单纯的想插入 name和age数据。
那么你可以，添加一个 strict=True 参数：
new_owner.thaw(
filename='new_owner.json',
format='json',
strict=True # 看这里，添加一个这个 strict=True就好了
)
strict=True意味着，它会对照json的key 与 数据库的字段， 并以数据库的字段为主，严格匹配插入。CSV示例
其实和json的几乎差不多，注意csv格式，逗号分隔，设置表头。 new_owner.csv 内容如下:
name,age
Alice,18
Zhang,30主文件代码如下
new_owner.thaw(
filename='owner.csv',
# format='csv' # 我说过，format默认参数就是csv，所以给不给format参数都行。
# strict=True # 严格匹配字段插入， 和上面讲的json是一模一样的作用。
)最后说个小细节，不知道你有没有注意，我们json和csv文件， 都没有指定id。
虽然没有指定，但是 peewee 同样会为我们自动创建 id (同样也是 int(11), 主键， 自增)
数据库数据导入到Json/CSV（只能联用拓展的CRUD）
导入都说完了，导出就更简单了。。就API变个名的事：
导出单个表的全部数据：
owner = db['owner']
owner.freeze(
filename='new_owner.json',
format='json', # 指定格式为json, 你要是不指定，默认值是 csv
)当然，这里有个特色，导出方式还可以 导出某个查询结果！！
query = owner.find(name='Tom')
db.freeze(
query, # 查询结果，注意这个查询结果，必须是个查询集类型。
filename='new_owner.json',
format='json', # 指定格式为json, 你要是不指定，默认值是 csv
)中场暂停。。。
至此，playhouse.dataset的DataSet里面的 新版CRUD，及其附属功能（json导入导出等）讲完。
也许你会很不适应。 （这新版的CRUD，如果实在不能掌握，就当了解即可）
最重要的还是第二篇文章的CRUD：https://segmentfault.com/a/11…
以下要讲的，就是 第二篇文章讲的，正常的 （from peewee import * ）里面的 CRUD 相关的操作了。
信号(Signal)
官方只设定了如下 4 种信号：
一、pre_save： 保存之前调用
二、post_save：保存之后调用
pre_save 和 post_save只支持下面两种API：
1. create() # 创建数据
触发：
Owner.create(name='Tom') # create包含了 save() ，所以会自动触发
2. save() # 更新数据
触发：
obj = Owner.get(name='Butch')
obj.name = 'Alice'
obj.save()
注意： 你想用保存信号，就必须用这两种API， 用 update()是不好使的哦！！！！！！！！！！三、pre_delete： 删除数据之前调用
四、post_delete：删除数据之后调用
pre_delete 和 post_delete 只支持一种 API ，那就是 delete_instance()
触发：
objs = Owner.select().where(Owner.name=='lin')
for obj in objs:
obj.delete_instance()
接下来我们开始看代码如何写：
先把表和数据构造出来，还是老方式：
from peewee import *
# 注意是 playhouse里的Model， 以及前面提到的 4 种 信号
from playhouse.signals import Model, post_save, pre_save, pre_delete, post_delete
db = MySQLDatabase('test', user='root', password='123',
host='IP', port=3306, charset='utf8mb4')
class Owner(Model):
"""
特别注意，这个Model, 使用是playhouse.signals下的 Model
而不是 peewee 下的 Model, 这需要特别注意
两个模块都有Model, 所以把用的Model放在 相对偏下面导入
"""
data = IntegerField() # 而字段依然是 from peewee import * 导入的
class Meta:
database=db
db.create_tables([Owner])进入正题：信号使用有两种方式：
方式1（装饰器方式）：
# 前面的4种信号的用法就是用来，装饰一个自定义函数。
# 这个自定义函数就是信号出发之后，为我们做事的。
# 接下来我以 post_save 为例 （当然我这个例子只是强调一下语法，并没有实用价值）
@pre_save(sender=Owner) # sender指定 我们的模型类
def aaa(model_class, instance, created=True): # 这个名字随便起
"""
model_class: 就是 Owner这个类，默认传进来方便你使用
instance 和 create=True 照着写上就行不用管它
"""
print(f"数据入库之前我们捕获了此表名=>{model_class}")
for obj in model_class.select().dicts(): # model_class就是Owner类，它可以任意CRUD
print(f"再次查看此表信息{obj}")
触发信号：
obj = Owner.get(name='Tom')
obj.name = 'Rose'
obj.save()
方式2 (函数连接)：
信号-官档：http://docs.peewee-orm.com/en…
其实你用 方式1 就行了。
数据库反向生成 Python模型类
参数官档：http://docs.peewee-orm.com/en…
看好参数大小写就行（test是我的数据库名）：
python -m pwiz -e mysql -H 192.6.6.6 -p 3306 -u root -P test > mymodel.py
# 指定了 -P ，密码是后续命令行 追入的。模型迁移 migration
我没怎么看，需要的自己瞅瞅。。
模型迁移-官档：http://docs.peewee-orm.com/en…
结束语
其实ORM都差不多。
Django：的ORM还算可以。但是不太好脱离框架单独使用 (相当于与Django平级)。
sqlalchemy：没怎么用过。之前看过几眼。感觉极度不适。感觉学习成本有点高（相当于与Python平级）
peewee：是一个可单独使用的简便的ORM框架（写web爬虫之类的都能用得上，相当于与Python平级）
我感觉：如果ORM的学习成本大于SQL的学习成本， 那倒不如精修一下SQL，即使换了环境也能用得上。
有时候高阶ORM用多了，可能连SQL都不会写了。。。 （It’s just for me……）
第一篇传送门：https://segmentfault.com/a/11…
第二篇传送门：https://segmentfault.com/a/11…
