【查漏补缺】Python数据库关联查询、视图221~240

221.【查】分页:limit start, count或者limit count。如果查询出来的结果数量不足这里的count,则按查询出来多少就展示多少。这里的start可以有一个通用的公式:start = (第n页-1) * 每一页个数。

222.若要limit分页,则永远limit在查询语句的最后,否则会报错!

223.外键约束,外键的值只能是该外键指向的表的主键中的值,不是主键的值的则报错!

224.【查】内连接inner join...on 条件
select 表1.*, 表2.* from 表1 inner join 表2 on 表1.department_id=表2.id order by 表1.department_id;
根据表1的department_id字段去表2中查询,如果两者的值都有且对的上则展示,最终按表1中department_id的字段升序排序。

说明:最终查找结果展示哪些信息,就在select 表1.*, 表2.*这里控制的,这种写法是两张表中的全部信息都显示。

225.【查】左连接left join...on 条件
select 表1.*, 表2.* from 表1 left join 表2 on 表1.department_id=表2.id order by 表1.department_id having 条件;
哪张表写在left join左边,就以谁为基准,在另一个表查找不到数据时,另一表中的字段展示为null。

同理,右连接。一般右连接都可以用左连接实现,只需要换一下表的书写位置。

226.自关联:一个表中的某个字段存储的值和另一个字段的值有关,这种称为自关联。常见的省市县、部门等可把表设计为自关联数据表。

227.子查询:一个查询条件语句中嵌套了另一个查询语句。

228.对同一需求来实现查询语句可以有多种实现方式,不同的是当数据量非常大时,可能在查询效率上有不同。

229.MySQL在Python2和Python3中模块明发生了变化:Python2中数据库模块为:MySQLdb;Python3中数据库模块为:pymysql

230.pip install xxx如果这里xxx指定的是一个文件路径,则根据路径安装模块;如果这里的xxx是一个模块名,则从网络下载。

231.Python中使用MySQL非常简单:

# 导入模块
from pymysql import *

# 创建连接对象(通过该对象连接数据库,通过该对象获取游标对象)
conn = connect(host="localhost", port=3306, user="root", password="xxxxx", database="xxxx", chaset="utf8")

#获取游标对象(用该游标对象,就可以执行SQL语句了)
cursor = conn.cursor()

......(省略若干SQL语句操作cursor.excute("这里写要执行的sql语句"))


#关闭游标对象
cursor.close()

#关闭连接对象
conn.close()

232.cursor.fetchone()每调用一次返回一个元组格式的数据、cursor.fetchmany(n)返回n条由n个元组数据组成的元组,若n不传,则默认返回由1个元组数据组成的元组、cursor.fetchall()返回所有的执行语句得到的数据。

233.mysql的引擎InnoDB支持行级别的锁,增删改时一定记得要调用连接对象的conn.commit(),增删改才会真正生效。不调用连接对象的conn.commit(),表中的自增主键的值也会自增,但此时数据是并未写入数据库的。

234.想要反悔增删改操作,调用连接对象的conn.rollback()进行回滚即可;想要确认增删改操作,用连接对象的conn.commit()即可。

235.对于主键的自增,建议一直让其自增下去即可,不要让其回头。否则,自己给自己挖坑。

236.尽量防止SQL注入:不要自己去拼接SQL语句,而是让cursor.excute("""select * from 表名 where name=%s""", [实参])

237.视图:说白了就是一张虚拟的表,是查询语句查询出来的结果。只需要在原来查询语句的前面加上create view 视图名 as 查询语句;

238.视图专门用来方便查数据的,改视图中的数据是无法修改成功的。

239.视图中的数据并不是备份,而是当我们查询视图时,视图实时的查询与其关键的数据表中的数据。

240.在实际开发时,查询数据推荐使用视图,且推荐视图名前加上view_或v_作为前缀,以方便区分这是一个视图,而不是真是的数据表。

    原文作者:TensorFlow开发者
    原文地址: https://www.jianshu.com/p/21c333286e5e
    本文转自网络文章,转载此文章仅为分享知识,如有侵权,请联系博主进行删除。
点赞