Python 数据库骚操作 -- MySQL-低调大师

Python 数据库骚操作 -- MySQL

2018-11-18 597

●   前言
●   MySQL GUI 工具
●   MySQL 遇上 Docker
●   增删改查
●   一对多
●   一对一
●   多对多

● 后记

前言

今天这篇是三大数据库的结尾篇，前面两篇分别是：

《Python 数据库骚操作 -- MongoDB》

《Python 数据库骚操作 -- Redis》

今天这篇主要介绍 MySQL 的 orm 库 SQLAlchemy 。那什么是 orm 呢？Object Relational Mapper，描述程序中对象和数据库中数据记录之间的映射关系的统称。介绍完了，那就走起呗！

MySQL GUI 工具

首先介绍一款 MySQL 的 GUI 工具 Navicat for MySQL，初学 MySQL 用这个来查看数据真的很爽。可以即时看到数据的增删改查，不用操作命令行来查

MySQL 遇上 Docker

继续分享一下 Docker compose 代码片段，用过 docker 之后，我相信你再也不会为了配置各种开发环境而烦恼了。

version: '3'

services:

mysql_container:

image: mysql

ports:

- "3306:3306"

volumes:

- /usr/local/db/mysql:/var/lib/mysql

# - /root/docker/test-mysql/conf.d:/etc/mysql/conf.d

environment:

- MYSQL_DATABASE=dbname

- MYSQL_ROOT_PASSWORD=your_password

增删改查

首先定义表结构

# 创建单表

class Users(Base):

# 表名

__tablename__ = 'users'

id = Column(BIGINT, primary_key=True, autoincrement=True)

# 定义字段

name = Column(String(32))

age = Column(Integer())

# 初始化数据库

def init_db():

Base.metadata.create_all(engine)

# 删除数据库

def drop_db():

Base.metadata.drop_all(engine)

连接

from sqlalchemy import create_engine, Column, Integer, String, BIGINT, ForeignKey, UniqueConstraint, Index, and_, or_, inspect

from sqlalchemy.orm import sessionmaker, relationship,contains_eager

# echo 为 True 将会打印 SQL 原生语句

engine = create_engine('mysql+pymysql://username:password@localhost:3306/db_name',echo=True)

from sqlalchemy.ext.declarative import declarative_base

Base = declarative_base()

Session = sessionmaker(bind=engine)

session = Session()

增加

new_user = Users(name='zone', age=18)

session.add(new_user)

# 批量添加

session.add_all([

User(name='zone2', age=25),

User(name='zone3', age=32)

])

# 提交

session.commit()

cb27af987659c9eefaeb654b030bf7472a502c21

删除

session.query(User).filter_by(name="zone").delete()

# 提交

session.commit()

修改

session.query(User).filter(User.name == 2).update({"name": "new name"})

session.query(User).filter(User.id >= 3).update({User.name: "关注公众号【zone7】"}, synchronize_session=False)

session.query(User).filter(User.age == 50).update({"age": 123}, synchronize_session="evaluate")

session.commit()

查找

查找的需求会比较多变，我这边就列出比较常见的查询需求。

result = session.query(User).all() # 结果为一个列表

result = session.query(User.id, User.age).all()

result = session.query(User).filter_by(name='zone').first()

result = session.query(User).filter_by(name='zone2').all()

# 与、或

result = session.query(User).filter_by(and_(name='zone5',age="23")).all()

result = session.query(User).filter_by(or_(name='zone5',age="23")).all()

# 模糊查询

result = session.query(User).filter(User.name.like('zon%')).all()

# 排序

result = session.query(User).order_by(User.age.desc()).all()

# 分页查询

result = session.query(User).offset(1).limit(1).all()

一对多

关系型数据库，少不了各种表与表的关系。back_populates 在一对多的关系中建立双向的关系，这样的话在对方看来这就是一个多对一的关系。

 def one_to_many():

class Parent(Base):

 __tablename__ = 'parent'

 id = Column(Integer, primary_key=True)

 children = relationship("Child", back_populates="parent")

class Child(Base):

__tablename__ = 'child'

id = Column(Integer, primary_key=True)

parent_id = Column(Integer, ForeignKey('parent.id'))

parent = relationship("Parent", back_populates="children")

name = Column(String(32))

# 子表类中附加一个 relationship() 方法

# 并且在(父)子表类的 relationship() 方法中使用 relationship.back_populates 参数

drop_db()

init_db()

child1 = Child(name="zone1")

child2 = Child(name="zone2")

parent = Parent(children=[child1, child2])

session.add(parent)

session.commit()

result = session.query(Parent).join(Child).first()

print(object_as_dict(result.children[0]))

one_to_many()

运行结果

一对一

参数 back_populates 指定双向关系，参数 uselist=False 需要在一对多关系基础上，父表中使用 uselist 参数来表示。

 def one_to_one():

class Parent(Base):

 __tablename__ = 'parent'

 id = Column(Integer, primary_key=True)

 child = relationship("Child", uselist=False, back_populates="parent")

class Child(Base):

__tablename__ = 'child'

id = Column(Integer, primary_key=True)

parent_id = Column(Integer, ForeignKey('parent.id'))

parent = relationship("Parent", back_populates="child")

name = Column(String(32))

# 清空数据库，并且重新初始化

drop_db()

init_db()

child = Child(name="zone")

parent = Parent(child=child)

session.add(parent)

session.commit()

result = session.query(Parent).join(Child).first()

print(object_as_dict(result.child))

one_to_one()

多对多

多对多关系会在两个类之间增加一个关联的表来表示其中的关系。这个关联的表在 relationship() 方法中通过 secondary 参数来表示。通常，这个表会通过 MetaData 对象来与声明基类关联。

 def many_to_many():

 association_table = Table('association', Base.metadata,

 Column('left_id', Integer, ForeignKey('left.id')),

 Column('right_id', Integer, ForeignKey('right.id'))

)

class Parent(Base):

__tablename__ = 'left'

id = Column(Integer, primary_key=True,autoincrement=True)

children = relationship(

"Child",

secondary=association_table,

back_populates="parents")

class Child(Base):

__tablename__ = 'right'

id = Column(Integer, primary_key=True,autoincrement=True)

name = Column(String(32))

parents = relationship(

"Parent",

secondary=association_table,

back_populates="children")

# 清空数据库，并且重新初始化

drop_db()

init_db()

child1 = Child(name="zone1")

child2 = Child(name="zone2")

child3 = Child(name="zone3")

parent = Parent()

parent2 = Parent()

# parent 添加 child

parent.children.append(child1)

parent.children.append(child2)

parent2.children.append(child1)

parent2.children.append(child2)

# save

session.add(parent)

session.add(parent2)

session.commit()

# 查询

result = session.query(Parent).first()

print(object_as_dict(result))

print(object_as_dict(result.children[1]))

result2 = session.query(Child).first()

print(object_as_dict(result2))

print(object_as_dict(result2.parents[1]))

many_to_many()

adb96fa5b43a9bcacde5343771a1e2b92f3bc61e

第一红框为 result 第二红框为 result2

原文发布时间为：2018-11-19

本文作者：zone7

本文来自云栖社区合作伙伴“ 小詹学Python”，了解相关信息可以关注“ 小詹学Python”。

微信关注我们

原文链接：https://yq.aliyun.com/articles/670947

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

shell 在手分析服务器日志不愁?

自己的小网站跑在阿里云的 ECS 上面, 偶尔也去分析分析自己网站服务器日志,看看网站的访问量。看看有没有黑阔搞破坏！于是收集，整理一些服务器日志分析命令，大家可以试试！ awk '{print $1}' log_file|sort|uniq|wc -l 2、查看某一个页面被访问的次数： grep "/index.php" log_file | wc -l 3、查看每一个IP访问了多少个页面： awk '{++S[$1]} END {for (a in S) print a,S[a]}' log_file > log.txt sort -n -t ' ' -k 2 log.txt 配合sort进一步排序 4、将每个IP访问的页面数进行从小到大排序： awk '{++S[$1]} END {for (a in S) print S[a],a}

2018-11-19

625

一、使用Xpath定位元素： 1、定位的元素是从1开始，而非0开始例：定位群内成员第一行第一个元素 UI自动化学习过程get的知识点 > image2018-11-19 10:32:53.png" height="250" style="margin-left:2px;margin-right:2px;vertical-align:text-bottom;" alt="image2018-11-19%2010%3A32%3A53.png?versi" data-original="http://wiki.intra.xiaojukeji.com/download/attachments/174427612/image2018-11-19%2010%3A32%3A53.png?version=1&modificationDate=1542595855000&api=v2"> driver.find_element_by_xpath("//XCUIElementTypeTable/XCUIElementTypeCell[1]/XCUIElementTypeButton[1...

2018-11-19

776

资源下载

更多资源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。