博客
关于我
python操作SQLAlchemy
阅读量:423 次
发布时间:2019-03-06

本文共 2127 字,大约阅读时间需要 7 分钟。

SQLAlchemy 是一个功能强大的 ORM框架,基于数据库 API,通过对象关系映射将对象转换为 SQL 语句并执行操作。以下是关于 SQLAlchemy 的详细指南。

安装

通过 pip3 安装 SQLAlchemy:

pip3 install sqlalchemy

数据库连接

SQLAlchemy 使用 Dialect 与数据库通信,支持多种数据库,如 MySQL、PostgreSQL、Oracle 等。连接方式如下:

engine = create_engine(    "mysql+mysqldb://root:123@127.0.0.1:3306/s11",    max_overflow=5)

事务操作

在 SQLAlchemy 中,事务操作通过 engine.begin() 启动,确保数据一致性:

with engine.begin() as conn:    conn.execute("insert into table (x, y, z) values (1, 2, 3)")    conn.execute("my_special_procedure(5)")

数据库 schema

通过 MetaDataTable 定义数据库表结构:

from sqlalchemy import create_engine, Table, Column, Integer, String, MetaDatametadata = MetaData()user = Table('user', metadata,    Column('id', Integer, primary_key=True),    Column('name', String(20)))

创建表结构:

engine = create_engine("mysql+mysqldb://root:123@127.0.0.1:3306/s11", max_overflow=5)metadata.create_all(engine)

CRUD 操作

SQLAlchemy 提供了简单的增删改查方法:

  • 插入数据:
conn = engine.connect()conn.execute(user.insert(), {'id': 7, 'name': 'seven'})conn.close()
  • 删除数据:
sql = user.delete().where(user.c.id > 1)conn.execute(sql)
  • 更新数据:
sql = user.update().values(fullname=user.c.name)conn.execute(sql)
  • 查询数据:
result = conn.execute(sql).fetchall()

ORM 操作

使用 ORM 模块通过类操作数据库:

from sqlalchemy.ext.declarative import declarative_basefrom sqlalchemy import Column, Integer, Stringfrom sqlalchemy.orm import sessionmakerfrom sqlalchemy import create_engineengine = create_engine("mysql+mysqldb://root:123@127.0.0.1:3306/s11", max_overflow=5)Base = declarative_base()class User(Base):    __tablename__ = 'users'    id = Column(Integer, primary_key=True)    name = Column(String(50))Session = sessionmaker(bind=engine)session = Session()# 增u = User(id=2, name='sb')session.add(u)session.commit()# 删session.query(User).filter(User.id > 2).delete()session.commit()# 改session.query(User).filter(User.id > 2).update({'cluster_id': 0})session.commit()# 查ret = session.query(User).filter_by(name='sb').first()

注意事项

  • SQLAlchemy 本身不支持直接修改表结构,建议使用开源工具 [Alembic](https://sqlalchemy Alembic.readthedocs.io/en/latest/index.html) 进行数据库迁移。
  • 确保数据库连接安全,定期检查数据库线程状态:show status like 'Threads%'

希望这篇文章能为您提供关于 SQLAlchemy 的全面的指导。

转载地址:http://pynuz.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
查看>>
OpenCV与AI深度学习 | YOLOv10在PyTorch和OpenVINO中推理对比
查看>>
OpenCV与AI深度学习 | YOLOv11来了:将重新定义AI的可能性
查看>>
OpenCV与AI深度学习 | YOLOv8自定义数据集训练实现火焰和烟雾检测(代码+数据集!)
查看>>
OpenCV与AI深度学习 | YOLOv8重磅升级,新增旋转目标检测,又该学习了!
查看>>
OpenCV与AI深度学习 | 一文带你读懂YOLOv1~YOLOv11(建议收藏!)
查看>>
OpenCV与AI深度学习 | 五分钟快速搭建一个实时人脸口罩检测系统(OpenCV+PaddleHub 含源码)
查看>>
OpenCV与AI深度学习 | 什么是 COCO 数据集?
查看>>
OpenCV与AI深度学习 | 低对比度缺陷检测应用实例--LCD屏幕脏污检测
查看>>
OpenCV与AI深度学习 | 使用 MoveNet Lightning 和 OpenCV 实现实时姿势检测
查看>>
OpenCV与AI深度学习 | 使用 OpenCV 创建自定义图像滤镜
查看>>
OpenCV与AI深度学习 | 使用 SAM 和 Grounding DINO 分割卫星图像
查看>>
OpenCV与AI深度学习 | 使用OpenCV图像修复技术去除眩光
查看>>
OpenCV与AI深度学习 | 使用OpenCV检测并计算直线角度
查看>>
OpenCV与AI深度学习 | 使用OpenCV轮廓检测提取图像前景
查看>>
OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
查看>>
OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
查看>>
OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
查看>>
OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
查看>>
OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
查看>>