Python flask sqlalchemy的简单使用及常用操作

更新时间：2022年08月17日 10:42:04 作者：芥末拌饭

这篇文章主要介绍了Python flask sqlalchemy的简单使用及常用操作，在python中，常用的ORM工具就是sqlalchemy了。下面就以一个简单的flask例子来说明吧，需要的小伙伴可以参考一下

前言

说到面向对象，大家都不陌生。关系型数据库也是后端日常用来存储数据的，但数据库是关系型的，因此，ORM通过对象模型和数据库的关系模型之间建立映射，我们就能像操作对象一样来操作数据库。 ORM的优点主要是面向对象编程，不需写原生SQL，用操作对象的方式访问数据。当然，缺点就是当遇到复杂的操作时，ORM就不那么好写了，还有就是加了一层映射，执行效率低于原生sql。不过，对于大部分项目来说，这些缺点都是可以接受的。牺牲的性能可以接受；有复杂操作时，实现就用原生SQL，ORM执行罢了。

flask sqlalchemy的配置使用

在python中，常用的ORM工具就是sqlalchemy了。下面就以一个简单的flask例子来说明吧。

首先，写一个最简单的flask项目，代码如下：

from flask import Flask

app = Flask(__name__)
@app.route('/')
def orm_test():
    return "hello"

接下来我们导入ORM配置，添加如下代码：

from flask_sqlalchemy import SQLAlchemy

def orm_config():
    url = "mysql+mysqlconnector://{user}:{pwd}@{host}:{port}/{db_name}?charset=utf8"
    orm_conf = {
        'SQLALCHEMY_DATABASE_URI': url
    }
    return orm_conf

# ORM 设置
app.config.from_mapping(orm_config)
db = SQLAlchemy(app)

这样我们就将ORM配置OK了。

然后我们新增一个表table1的model

# model表名
class Table1(db.Model):
    # 表名
    __tablename__ = "table1"

    id = db.Column(db.Integer, primary_key=True)
    col = db.Column(db.String(64), nullable=False, unique=True, comment='字段释义')

以上配置这是在数据源只有一个库的时候，但很多时候我们还需要访问别的库，这时需要在ORM配置和model上做一些设置。

ORM配置中需要用到SQLALCHEMY_BINDS来添加数据库， model中__bind_key__来指定数据库了。

具体修改如下：

修改ORM配置：

def orm_config():
    url = "mysql+mysqlconnector://{user}:{pwd}@{host}:{port}/{db_name}?charset=utf8"
    # 指定的别库
    other_url = "mysql+mysqlconnector://{user1}:{pwd1}@{host1}:{port1}/{db_name1}?charset=utf8"
    orm_conf = {
        'SQLALCHEMY_DATABASE_URI': url,
        # 添加别库
        "SQLALCHEMY_BINDS":{
                "other_db":other_url
            },
    }
    return orm_conf

表model指定库：

class Table2(db.Model):
    # 指定别库
    __bind_key__ = 'other_db'
    __tablename__ = "table2"
    
    id = db.Column(db.Integer, primary_key=True)
    col = db.Column(db.String(64), nullable=False, unique=True, comment='字段释义')

最后，我们在接口中使用下ORM。

@app.route('/')
def orm_test():
    # 查询table1数据
    rows = Table1.query.filter(Table1.id<5)
    res = []
    for row in rows:
        dict = {
            "id": row.id,
            "col": row.col
        }
        res.append(dict)
    return "hhh"

当我们遇到复杂操作，不知道ORM语法该怎么写时，还可以直接用原生sql + ORM session execute的方式执行，示例如下：

sql = "select count(*) as cnt from table1 group by col"
rows = db.session.execute(sql)

以上例子我们是查询table1表的id<5的数据。

完整代码如下：

from flask import Flask
from flask_sqlalchemy import SQLAlchemy
app = Flask(__name__)
def orm_config():
    url = "mysql+mysqlconnector://{user}:{pwd}@{host}:{port}/{db_name}?charset=utf8"
    other_url = "mysql+mysqlconnector://{user1}:{pwd1}@{host1}:{port1}/{db_name1}?charset=utf8"
    orm_conf = {
        'SQLALCHEMY_DATABASE_URI': url,
        "SQLALCHEMY_BINDS":{
                "other_db":other_url
            },
    }
    return orm_conf

# ORM 设置
app.config.from_mapping(orm_config)
db = SQLAlchemy(app)

# model表名
class Table1(db.Model):
    # 表名
    __tablename__ = "table1"

    id = db.Column(db.Integer, primary_key=True)
    col = db.Column(db.String(64), nullable=False, unique=True, comment='字段释义')

class Table2(db.Model):
    # 指定库
    __bind_key__ = 'other_db'
    __tablename__ = "table2"

    id = db.Column(db.Integer, primary_key=True)
    col = db.Column(db.String(64), nullable=False, unique=True, comment='字段释义')

@app.route('/')
def orm_test():
    # 查询table1数据
    rows = Table1.query.filter(Table1.id<5)
    res = []
    for row in rows:
        dict = {
            "id": row.id,
            "col": row.col
        }
        res.append(dict)
    return "hhh"
if __name__ =="__main__":
    app.run()

sqlalchemy的增删改查

刚开始接触sqlalchemy时，对于语法不熟悉，写代码也是比较痛苦的。这里总结下sqlalchemy常用的语法吧。

查询数据

# 查询id<5的数据
q = Table1.query.filter(Table1.id<5)
# 查询过滤用 and、or
from sqlalchemy import and_, or_
q = Table1.query.filter(and_(Table1.id<5, Table1.col=='掘金'))
q = Table1.query.filter(or_(Table1.id<5, Table1.col=='掘金'))
# 查询过滤用in(语法：model.{字段名}.in_({列表}))
q = Table1.query.filter(Table1.id.in_([1,2,3]))
# 连表查询
q = Table1.query.join(Table2, Table2.id==Table1.id) \
                   .filter(Table1.id<5)

# 解析数据
res = {'data': [dict(i) for i in q]}
# 查询数据count
count = q.count()

增加数据

row = Table1(id=1, col='掘金')
db.session.add(row)
db.seesion.commit()

修改数据

 row = Table1.query.filter(Table1.id<5)
 update_data = {"col": "掘金"}
 row.update(update_data)
 db.session.commit()

删除数据

row = Table1.query.filter(Table1.id<5)
row.delete()
db.session.commit()

备注： 增删改都要commit()

总结

我们在工程代码中使用sqlalchemy时，在配置时记得根据实际情况添加相关配置参数，比如连接池的数量、自动回收连接的秒数等等。

到此这篇关于Python flask sqlalchemy的简单使用及常用操作的文章就介绍到这了,更多相关Python flask sqlalchemy内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

Python Web框架之Django框架文件上传功能详解
这篇文章主要介绍了Python Web框架之Django框架文件上传功能,结合实例形式详细分析了Django框架form表单基于ajax的文件上传功能详细操作技巧,需要的朋友可以参考下
2019-08-08
Python中argparse基本用法小结
argparse是一个强大而灵活的模块,它可以帮助你轻松地处理命令行参数,本文主要介绍了Python中argparse基本用法小结,具有一定的参考价值,感兴趣的可以了解一下
2024-02-02
教你用Python实现Excel表格处理
今天教各位小伙伴怎么用Python处理excel,文中有非常详细的代码示例及相关知识总结,对正在学习python的小伙伴们很有帮助,需要的朋友可以参考下
2021-05-05
python实现ftp文件传输系统(案例分析)
最近做了一个简单的文件传输系统，基于ftp协议，使用python语言开发，虽然python里面已经有ftplib模块，可以很容易的实现ftp服务器，这篇文章主要介绍了python实现ftp文件传输系统的案例分析,需要的朋友可以参考下
2020-03-03
Python采集C站热榜数据实战示例
这篇文章主要为大家介绍了Python采集C站热榜数据实战示例详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪
2023-05-05
Python中reduce()函数的语法参数与作用详解
这篇文章主要介绍了Python中reduce()函数的语法参数与作用详解,reduce函数是通过函数对迭代器对象中的元素进行遍历操作,Python3.x中reduce函数已经从内置函数中取消了,转而放在functools模块中,需要的朋友可以参考下
2023-08-08
python读取npy文件数据实例
npy文件用于存储重建ndarray所需的数据、图形、dtype 和其他信息,下面这篇文章主要给大家介绍了关于python读取npy文件数据的相关资料,文中通过示例代码介绍的非常详细,需要的朋友可以参考下
2022-04-04
anaconda虚拟环境python sklearn库的安装过程
Anaconda是专注于数据分析的Python发行版本,包含了conda、Python等190多个科学包及其依赖项,这篇文章主要给大家介绍了关于anaconda虚拟环境python sklearn库的安装过程,需要的朋友可以参考下
2023-11-11
Pytorch实现神经网络的分类方式
今天小编就为大家分享一篇Pytorch实现神经网络的分类方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2020-01-01
分析Python中设计模式之Decorator装饰器模式的要点
这篇文章主要介绍了Python中设计模式之Decorator装饰器模式模式,文中详细地讲解了装饰对象的相关加锁问题,需要的朋友可以参考下
2016-03-03