sqlalchemy查詢使用和遇到的問題

sqlalchemy查詢使用

 1.帶條件查詢

查詢是最常用的，對於各種查詢我們必須要十分清楚，首先是帶條件的查詢

#帶條件查詢
rows = session.query(User).filter_by(username='jingqi').all()
print(rows)
rows1 = session.query(User).filter(User.username=='jingqi').all()
print(rows1)
rows2 = session.query(User.username).filter(User.username=='jingqi').all()
print(rows2)
rows3 = session.query(User.username).filter(User.username=='jingqi')
print(rows3)

`filter_by`和`filter`都是過濾條件，只是用法有區別`filter_by`裏面不能用`!= `還有`> <` 等等，所有`filter`用得更多,`filter_by`只能用`=`。

前兩個查詢的是`User`,所以返回結果也是一個對象，但是`rows2`查詢的是屬性值，所以返回的是屬性值。

`rows3`可以看到`SQLAlchemy `轉成的`SQL`語句，`SQLAlchemy`最後都是會轉成`SQL`語句，通過這個方法可以查看原生`SQL`,甚至有些時候我們需要把`SQLAlchemy`轉成的`SQL`交給DBA審查，合適的才能使用。

查詢要知道查詢結果的返回怎樣的數據

print( session.query(User).filter(User.username=='jingqi').all() )
print( session.query(User).filter(User.username=='jingqi').first())
print( session.query(User).filter(User.username=='jingqi').one())#結果爲一個時正常，多了就報錯
print( session.query(User).get(2))#通過id查詢

上面三條記錄，第一個查出所有符合條件的記錄，第二個查出所有符合記錄的第一條記錄，第三個返回一個對象，如果結果有多條就會報錯，第四個通過主鍵獲取記錄

除此之外，我們偶爾也會需要限制返回的結果數量

#限制查詢返回結果
print( session.query(User).filter(User.username!='jingqi').limit(2).all())
print( session.query(User).filter(User.username!='jingqi').offset(2).all())
print( session.query(User).filter(User.username!='jingqi').slice(2,3).all())

 #可以排序之後再進行限制
 from sqlalchemy import desc
 print( session.query(User).filter(User.username!='budong').order_by(User.username).all())
 print( session.query(User).filter(User.username!='budong').order_by(desc(User.username)).slice(1,3).all())

第一個是限制返回條數，從第一條開始；第二個是從第三條開始返回查詢結果；第三個是切片返回記錄。

`order_by`默認是順序，`desc`是降序。

還有其他的帶條件查詢

#不等於
print( session.query(User).filter(User.username!='jingqi').all() )
#模糊匹配 like
print( session.query(User).filter(User.username.like('jingqi')).all() )
print( session.query(User).filter(User.username.notlike('jingqi')).all() )
#成員屬於  in_
print( session.query(User).filter(User.username.in_(['jingqi','jingqi1'])).all() )
#成員不屬於  notin_
print( session.query(User).filter(User.username.notin_(['jingqi','jingqi2'])).all() )
#空判斷
print( session.query(User).filter(User.username==None).all() )
print( session.query(User).filter(User.username.is_(None)).all() )
print( session.query(User).filter(User.username.isnot(None)).all() )
#多條件
print( session.query(User).filter(User.username.isnot(None),User.password=='qwe123').all() )
#選擇條件
from sqlalchemy import or_,and_,all_,any_
print( session.query(User).filter(or_(User.username=='jingqi',User.password=='qwe123')).all() )
print( session.query(User).filter(and_(User.username=='jingqi2',User.password=='111')).all() )

以上是各種帶條件的查詢，大家知道怎麼使用，但是需要注意的是，所以的模糊匹配是十分耗費時間的，能不用就儘量不要用。

當然還有聚合函數的使用

from sqlalchemy import func,extract
print( session.query(User.password,func.count(User.id)).group_by(User.password).all() )
print( session.query(User.password,func.count(User.id)).group_by(User.password).having(func.count(User.id)>1).all() )
print( session.query(User.password,func.sum(User.id)).group_by(User.password).all() )
print( session.query(User.password,func.max(User.id)).group_by(User.password).all() )
print( session.query(User.password,func.min(User.id)).group_by(User.password).all() )
#使用extract提取時間中的分鐘或者天來分組
print( session.query(extract('minute', User.creatime).label('minute'),func.count('*').label('count')).group_by('minute').all() )
print( session.query(extract('day', User.creatime).label('day'),func.count('*').label('count')).group_by('day').all() )

這裏只是告訴大家的用法，其中`group_by`是分組，如果要使用聚合函數，就必須導入`func`,`label`是取別名的意思 。

2.表關係查詢

對於有表關係的，也有些不同的查詢，首先我們來建立一個有外鍵關係的表

from sqlalchemy.orm import relationship
from sqlalchemy import ForeignKey

class UserDetails(Base):
    __tablename__ = 'user_details'
    id = Column(Integer,primary_key=True,autoincrement=True)
    id_card = Column(Integer,nullable=False,unique=True)
    lost_login = Column(DateTime)
    login_num = Column(Integer,default=0)
    user_id = Column(Integer,ForeignKey('user.id'))

    userdetail_for_foreignkey = relationship('User',backref='details',uselist=False,cascade='all')

    def __repr__(self):
        return '<UserDetails(id=%s,id_card=%s,lost_login=%s,login_num=%s,user_id=%s)>'%(
            self.id,
            self.id_card,
            self.login_login,
            self.login_num,
            self.user_id
        )

這裏要注意`relationship`默認是一對多的關係，使用`uselist=False`則表示一對一的關係，`cascade` 是自動關係處理，就和MySQL中的`ON DELETE`類似，但是有區別，參數選項如下：

`cascade` 所有的可選字符串項是:

- *all* , 所有操作都會自動處理到關聯對象上.
- *save-update* , 關聯對象自動添加到會話.
- *delete* , 關聯對象自動從會話中刪除.
- *delete-orphan* , 屬性中去掉關聯對象, 則會話中會自動刪除關聯對象.
- *merge* , `session.merge()` 時會處理關聯對象.
- *refresh-expire* , `session.expire()` 時會處理關聯對象.
- *expunge* , `session.expunge()` 時會處理關聯對象.

有如上的表關係之後，查詢可以十分方便

#表關係查詢
row = session.query(UserDetails).all()
print(row,dir(row[0]))
row = session.query(User).filter(User.id==1).first()
print(row,dir(row))
print(row.details)
print(row.details[0].lost_login)

`relationship`會在`User`表裏面添加一個屬性，通過這個屬性就可以查詢對應的`user_details`表中的所有字段。省去了很多的代碼。

3.多表查詢

多表查詢也是必須要掌握的知識點。以下是常見的幾種表關聯方式，需要熟練掌握。

#多表查詢
print( session.query(UserDetails,User).all() )  #這個是 cross join
print( session.query(UserDetails,User).filter(User.id==UserDetails.id).all() )  #這是也是cross join 但是加上了where條件

print( session.query(User.username,UserDetails.lost_login).join(UserDetails,UserDetails.id==User.id).all() )  #這個是inner join

print( session.query(User.username,UserDetails.lost_login).outerjoin(UserDetails,UserDetails.id==User.id).all() )  #這個纔是左連接，sqlalchemy沒有右連接

q1 = session.query(User.id)
q2 = session.query(UserDetails.id)
print(q1.union(q2).all())  #這個是union關聯

除了上面的幾種關聯方式，子表查詢也是用得很多的，也是要掌握的

from sqlalchemy import all_,any_
sql_0 = session.query(UserDetails.lost_login).subquery()  #這是聲明一個子表
print( session.query(User).filter((User.creatime > all_(sql_0)) ).all()  )
print( session.query(User).filter((User.creatime > any_(sql_0)) ).all()  )

注意`any_`和`all_`的區別，`all_`要求的是所有都滿足，`any_`只需要有滿足的就行。

4.原生SQL的查詢以及其他使用

再次強調，使用`ORM`或者原生`SQL`沒有絕對的那個好一點，怎麼方便怎麼使用。

#第一步寫好原生的sql，如果需要傳遞參數，可以使用字符串拼接的方式
sql_1 = """
    select * from `user`
"""
#第二步執行，得到返回的結果
row = session.execute(sql_1)
print(row,dir(row))
#第三步，自己控制得到數據的方式
print( row.fetchone() )
print( row.fetchmany() )
print( row.fetchall() )
#也可以循環獲得
for i in row:
    print('===',i)

轉載：https://www.cnblogs.com/jingqi/p/8059673.html

 tornado客戶端使用sqlalchemy遇到的問題：

1、tornado客戶端需要的cookie
#來源
print response.headers.get_all
cookies = response.headers.get_list("Set-Cookie")
cookies = dict([l.split("=", 1) for l in cookies[0].split(";")])
print cookies["_xsrf"]
#設置
h = tornado.httputil.HTTPHeaders()#{"content-type": "text/html"}
h.add("X-Xsrftoken",cookies["_xsrf"])
h.add("Cookie","_xsrf="+cookies["_xsrf"])

2、server獲取請求參數不到

h = tornado.httputil.HTTPHeaders({"content-type": "text/html"})
設置之後，參數在body裏面，而不是在body_arguments或qurey_arguments

可以直接處理self.request.body,如果是json格式的body，也這樣解析json.loads(self.request.body)

3、sqlalchemy查詢語句
session.query(User|User.name, User.id).jion(UserDetail, UserDetail.id=User.id).filter(User.name=='wangmei',A.id=B.id).(order_by(desc(User.username))).(limit(2), offset(2), slice(2,4)).(all()|first()|one())                        #儘量不要cross jion即沒有join，outerjoin

4、異常的時候要回滾

try:
    obj = Network(type=ntype, start_ip=start_ip, end_ip=end_ip, mask=get_mask(int(mask_len)), gateway_ip=gateway_ip)
    session.add(obj)
    session.commit()
    # 返回表id
    self.write(str(obj.nid))
except Exception as e:
    session.rollback()
    print e