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
js側，data: {"data":JSON.stringify(res)},
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
5、sqlalchemy的修改和刪除
先查找到相應記錄result
result.name =newname
result.delete(result)
session.commit()
6、sqlalchemy級聯刪除一對多
-
ips = relationship("Ip", cascade='delete') -
sid = Column(Integer, ForeignKey('server.sid', ondelete='CASCADE')) -
https://docs.sqlalchemy.org/en/rel_0_9/orm/cascades.html#delete
級聯刪除的實質是，先刪除相應的子節點再刪除父節點。
當父節點刪除時候，子節點有幾個選擇：禁止父刪除，將父節點改爲null，保持不變，都可以設置；