SQLAlchemy入门(一)

环境:Ubuntu 15.10 64-bit

SQLAlchemy 是 Python 的 ORM 框架,它的理念是:数据库的量级和性能重要于对象集合,而对象集合的抽象又重要于表和行。

安装

直接通过 pip 安装:

$ pip install sqlalchemy

打开 Python,测试是否安装成功:

>>> import sqlalchemy
>>> sqlalchemy.__version__
'1.0.9'

创建引擎

SQLite

首先以 SQLite 为例,因为它比较简单。

from sqlalchemy import create_engine, MetaData

engine = create_engine('sqlite:///foo.db', echo=True)
metadata = MetaData(engine)

参数 sqlite:///foo.db 解释为:

sqlite://<nohostname>/<path>

其中foo.db是相对路径。也可写成:

sqlite:///./foo.db

SQLAlchemy 缺省使用 Python 内建的 sqlite3 模块来连接或创建 SQLite 数据库。执行完 create_engine 后,可以发现当前目录多了 foo.db 文件,不妨用 sqlite 打开看看。

$ sqlite3 foo.db
SQLite version 3.8.11.1 2015-07-29 20:00:57
Enter ".help" for usage hints.
sqlite> .tables

注意这里用的是 sqlite3 而非 sqlite,因为 foo.db 是经由 Python 内建的 sqlite3 模块创建的。

MySQL

再来看看连接 MySQL 时怎么创建引擎。
本文后续示例全部基于 MySQL,这是与官方文档不同的地方。
先在MySQL里创建一个测试数据库:sa_test,后续示例都将基于这个数据库。

mysql> CREATE DATABASE sa_test DEFAULT CHARACTER SET UTF8;
from sqlalchemy import create_engine, MetaData

engine = create_engine('mysql+mysqldb://root:******@localhost/sa_test', echo=True)
metadata = MetaData(engine)

这里的参数看上去就比较复杂了,完整的格式为:

dialect+driver://username:password@host:port/database

这里 driver 用了 mysqldb,详见:MySQLdb:Python 操作 MySQL 数据库

引擎配置的详细信息可参考官方文档:Engine Configuration

MetaData

前面在创建 MetaData 时绑定了引擎:

metadata = MetaData(engine)

当然也可以不绑定。绑定的好处是,后续很多调用 (比如 MetaData.create_all(),Table.create(),等等)就不用指定引擎了。

创建表

创建两张表,useraddressaddress 表里有一个 user id 的外键。
注意:表名没有像官方文档及很多人推荐的那样使用复数形式,个人偏好而已,详细讨论请见 StackOverflow 的这个问题:Table Naming Dilemma: Singular vs. Plural Names中文版

from sqlalchemy import create_engine, MetaData,\
        Table, Column, Integer, String, ForeignKey

engine = create_engine('mysql+mysqldb://root:******@localhost/sa_test', echo=True)
metadata = MetaData(engine)
user_table = Table('user', metadata,
        Column('id', Integer, primary_key=True),
        Column('name', String(50)),
        Column('fullname', String(100))
        )

address_table = Table('address', metadata,
        Column('id', Integer, primary_key=True),
        Column('user_id', None, ForeignKey('user.id')),
        Column('email', String(128), nullable=False)
        )

metadata.create_all()

执行完 metadata.create_all() 这一句,两张表就创建好了,可以在 MySQL 里立即查看。

MetaData.create_all() 可以多次调用,不会报错,它在内部会检查表是否已经创建。
因为 MetaData 创建时已经绑定了引擎,所以此处 create_all() 就不必再指定了,否则得写成:

metadata.create_all(engine)

创建引擎时,echo 参数为 True,程序运行时便有很多调试信息打印出来。在这些调试信息中,可以看到如下两条 MySQL的CREATE TABLE 语句:

CREATE TABLE user (
    id INTEGER NOT NULL AUTO_INCREMENT,
    name VARCHAR(50),
    fullname VARCHAR(100),
    PRIMARY KEY (id)
)

CREATE TABLE address (
    id INTEGER NOT NULL AUTO_INCREMENT,
    user_id INTEGER,
    email VARCHAR(128) NOT NULL,
    PRIMARY KEY (id),
    FOREIGN KEY(user_id) REFERENCES user (id)
)

除了 metadata.create_all()Table 自己也有 create 方法:

create(bind=None, checkfirst=False)

参数 bind 一般就是指引擎。
参数 checkfirst 表示是否检查表已经存在。为 True 时,若表已经存在,不报错,只是什么也不做;为
False 时,若表已经存在,则将引发异常。
使用这个方法来创建这两张表:

user_table.create(checkfirst=True)
address_table.create(checkfirst=True)

这里忽略了 bind 参数,因为创建 MetaData 对象时已经绑定了引擎,而创建表对象时又传入了 metadata,所以顺藤摸瓜,表自己是知道引擎的。
如果调整一下表的创建顺序,就会报错,因为 address 表里有一个 user 表的外键,而这时候 user 表还没创建呢。所以,还是建议使用 MetaData.create_all() 吧,毕竟它也会检查表是否已经存在。

表的反射(Table Reflection)

表创建好了,一般也就不动了。所以实际应用时,往往表都已经存在,并不需要创建,只需把它们”导入”进来即可,这时就得使用 autoload 参数。

from sqlalchemy import create_engine, MetaData, Table

engine = create_engine('mysql+mysqldb://root:******@localhost/sa_test', echo=False)
metadata = MetaData(engine)

user_table = Table('user', metadata, autoload=True)

print 'user' in metadata.tables
print [c.name for c in user_table.columns]

address_table = Table('address', metadata, autoload=True)
print 'address' in metadata.tables

输出:

True
['id', 'name', 'fullname']
True

如果 MetaData 没有绑定引擎,则另需指定 autoload_with 参数:

user_table = Table('user', metadata, autoload=True, autoload_with=engine)

如果被反射的表外键引用了另一个表,那么被引用的表也会一并被反射。比如只反射 address 表,user 表也一并被反射了。

from sqlalchemy import create_engine, MetaData, Table

engine = create_engine('mysql+mysqldb://root:******@localhost/sa_test', echo=False)
metadata = MetaData(engine)

address_table = Table('address', metadata, autoload=True)

print 'user' in metadata.tables
print 'address' in metadata.tables

输出:

True
True

插入数据

插入数据之前,必须要有表对象,不管是新创建的,还是通过反射导入的。

Insert 对象

要往表里插数据,先创建一个 Insert 对象:

ins = user_table.insert()
print ins

打印这个 Insert 对象,可以看到它所对应的 SQL 语句:

INSERT INTO user (id, name, fullname) VALUES (%s, %s, %s)

如果连接的数据库不是 MySQL 而是 SQLite,那输出可能就是下面这样:

INSERT INTO user (id, name, fullname) VALUES (?, ?, ?)

可见 SQLAlchemy 帮我们封装了不同数据库之间语法的差异。
如果 MetaData 创建时没有绑定引擎,那么输出会略有不同:

INSERT INTO "user" (id, name, fullname) VALUES (:id, :name, :fullname)

这时 SQLAlchemy 还不知道具体的数据库语法,表名加了引号("user"),列名也改用为:id之类一般性的格式。
此外,这条INSERT语句列出了 user 表里的每一列,而id在插入时一般是不需要指定的,可以通过
Insert.values() 方法加以限制:

ins = ins.values(name='adam', fullname='Adam Gu')
print ins

限制后,id 列已经没有了:

INSERT INTO user (name, fullname) VALUES (%s, %s)

可见 values() 方法限制了 INSERT 语句所包含的列。但是我们指定的 namefullname 的值并没有打印出来,这两个值保存在 Insert 对象里,只有等到执行时才会用到。

执行

我们一直在说的引擎,可以理解成一个数据库连接对象的仓库,通过连接对象可以往数据库发送具体的 SQL 语句。调用引擎的 connect() 方法可以获取一个连接:

conn = engine.connect()

现在把前面的 Insert 对象丢给它来执行:

result = conn.execute(ins)

由调试信息可见具体的 INSERT 语句:

INSERT INTO user (name, fullname) VALUES (%s, %s)
('adam', 'Adam Gu')
COMMIT

返回值 result 是一个 ResultProxy 对象,ResultProxy 是对 DB-API 中 cursor 的封装。插入语句的结果并不常用,但是查询语句肯定是要用到它的。
不妨在 MySQL 里看一下刚插入的数据。

mysql> select * from user;
+----+------+----------+
| id | name | fullname |
+----+------+----------+
|  1 | adam | Adam Gu  |
+----+------+----------+
1 row in set (0.00 sec)

执行多条语句

还记得前面的 Insert 对象使用 values() 方法来限制列吗?

ins = ins.values(name='adam', fullname='Adam Gu')

这种方式其实不利于 Insert 对象的复用,更好的做法是把参数通过 execute() 方法传进去:

ins = user_table.insert()
conn.execute(ins, name='adam', fullname='Adam Gu')

Insert 对象本身还是会包含所有列,最终 INSERT 语句里的列由 execute() 的参数决定。由调试信息可见具体的 INSERT 语句:

INSERT INTO user (name, fullname) VALUES (%s, %s)
('adam', 'Adam Gu')
COMMIT

一次插入多条记录也很简单,只要传一个字典列表(每个字典的键必须一致)给 execute() 即可。

conn.execute(address_table.insert(), [
    { 'user_id': 1, 'email': 'sprinfall@gmail.com' },
    { 'user_id': 1, 'email': 'sprinfall@hotmail.com' },
    ])

调试信息里具体的 INSERT 语句:

INSERT INTO address (user_id, email) VALUES (%s, %s)
((1, 'sprinfall@gmail.com'), (1, 'sprinfall@hotmail.com'))
COMMIT

在 MySQL 里看一下插入的地址:

mysql> select * from address;
+----+---------+-----------------------+
| id | user_id | email                 |
+----+---------+-----------------------+
|  1 |       1 | sprinfall@gmail.com   |
|  2 |       1 | sprinfall@hotmail.com |
+----+---------+-----------------------+
2 rows in set (0.00 sec)

第一部分到此结束。

    原文作者:python
    原文地址: https://segmentfault.com/a/1190000004288061
    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