ORM
现在咱们聊聊深入操作数据库了。大家都知道，使用数据库的原生语句来写，一旦数据量了，首先就得疯狂重复写代码，而且还基本不怎么重用，都是一次写死，后面需要又得再写，那么面对对象编程的核心里面教你一个面对对象数据库，这个时候咱们看效果普通sql数据库建表一开始这样：1 create table table_name(id int not null auto_increment,2 name varchar(32),3 password varchar(32),4 primary key(id)5 )
这是非常简单的sql的表，如果复杂点，加些什么关联的，估计头都要炸，那么，orm是什么鬼？它是一个框架，封装了数据库原语，我们可以面向对象来玩弄数据库了。
import sqlalchemyfrom sqlalchemy.ext.declarative import declarative_basefrom sqlalchemy import create_enginefrom sqlalchemy import Colum,Integer,Stringfrom sqlalchemy.orm import sessionmakerengine=create_engine('mysql+pymysql://root:123456@localhost/slkdb',encoding ='utf-8',echo=True)'''注意写法，orm支持很多借口，我这里是用pymysql，所以是mysql+pymysql:// : @ / #user是用户名，password是密码，host是数据库所在ip地址，dbname是要处理的数据表名字，什么，你的数据表不支持中文？报错？什么拉丁的错？我告诉你，只要在dbname后面加一个?charset=utf8 既可解决中文支持写法：engine=create_engine('mysql+pymysql://root:123456@localhost/slkdb?charset=utf8',encoding ='utf-8',echo=True)由于我是python3，不支持安装MySQL-Python这个模块，这个接口对应的创建就不写了。'''Base = declarative_base()#生成orm基类class User(Base): __tablename__='user'#表名 id = Colum(Integer,primary_key=True) name = Colum(String(32)) password = Colum(String(32))Base.metadata.create_all(engine)#创建表结构session_class=sessionmaker(bind=engine)#创建一个数据库的会话，注意这里只是创建了对象session=session_class()#此时才是生成实例，相当于cursorUser1=User(name='hehe',password = '456456')#生成要生成的数据对象User2=User(name='zhaff',password = '298789')#生成要生成的数据对象session.add(User1)session.add(User2)session.commit()#此时提交后才最终把数据创建完毕
好了 数据也插入进去了运行结果信息：
--------------------------------------------2018-03-06 15:49:45,082 INFO sqlalchemy.engine.base.Engine SHOW VARIABLES LIKE 'sql_mode'
2018-03-06 15:49:45,082 INFO sqlalchemy.engine.base.Engine {}2018-03-06 15:49:45,085 INFO sqlalchemy.engine.base.Engine SELECT DATABASE()2018-03-06 15:49:45,085 INFO sqlalchemy.engine.base.Engine {}2018-03-06 15:49:45,085 INFO sqlalchemy.engine.base.Engine show collation where `Charset` = 'utf8' and `Collation` = 'utf8_bin'2018-03-06 15:49:45,085 INFO sqlalchemy.engine.base.Engine {}2018-03-06 15:49:45,086 INFO sqlalchemy.engine.base.Engine SELECT CAST('test plain returns' AS CHAR(60)) AS anon_12018-03-06 15:49:45,086 INFO sqlalchemy.engine.base.Engine {}2018-03-06 15:49:45,087 INFO sqlalchemy.engine.base.Engine SELECT CAST('test unicode returns' AS CHAR(60)) AS anon_12018-03-06 15:49:45,087 INFO sqlalchemy.engine.base.Engine {}2018-03-06 15:49:45,087 INFO sqlalchemy.engine.base.Engine SELECT CAST('test collated returns' AS CHAR CHARACTER SET utf8) COLLATE utf8_bin AS anon_12018-03-06 15:49:45,087 INFO sqlalchemy.engine.base.Engine {}2018-03-06 15:49:45,088 INFO sqlalchemy.engine.base.Engine DESCRIBE `user`2018-03-06 15:49:45,088 INFO sqlalchemy.engine.base.Engine {}2018-03-06 15:49:45,091 INFO sqlalchemy.engine.base.Engine BEGIN (implicit)2018-03-06 15:49:45,092 INFO sqlalchemy.engine.base.Engine INSERT INTO user (name, password) VALUES (%(name)s, %(password)s)2018-03-06 15:49:45,092 INFO sqlalchemy.engine.base.Engine {'name': 'hehe', 'password': '456456'}2018-03-06 15:49:45,092 INFO sqlalchemy.engine.base.Engine INSERT INTO user (name, password) VALUES (%(name)s, %(password)s)2018-03-06 15:49:45,092 INFO sqlalchemy.engine.base.Engine {'name': 'zhaff', 'password': '298789'}2018-03-06 15:49:45,093 INFO sqlalchemy.engine.base.Engine COMMIT-------------------------------------------------------------------
'''注意：运行过程中可能会出现 Warning: (1366, "Incorrect string value: '\\xD6\\xD0\\xB9\\xFA\\xB1\\xEA...' for column 'VARIABLE_VALUE' at row 481")result = self._query(query)这样的警告或者其他巴拉巴拉的警告，这个时候忽略它既可，因为他仅仅是警告，并不是error，程序还是正常运行，数据库表内数据已经建立。技术有限，目前并未解决这个问题，后期有机会我优化'''大家可能看到这会感觉麻蛋怎么更复杂了的感觉，毕竟那么多包模块的各种乱入还有各种对象创建看起来很复杂，好，是时候表演真正的技术了：
增加数据已经说过，就上面的add，下面说查询
data = session.query(User).filter(User.id>=1).filter(User.id<4).all()#多条件查询，直接多个filter既可，这里的符号都是比较，单等号会出错哟~
print(data)
也可以使用in_([*arg])，表示在arg元组中匹配
data = session.query(User).filter(User.name.in_(['zhaoxin','zhaff'])).all()print(data)
-------------
输出：[zhaoxin : 29999, zhaoxin : 29999, zhaff : 298789]修改：
data = session.query(User).filter(User.name=='hehe').all()[0]#多条件查询,这里的all[0]也可以用frist()代替print(data)data.name = 'sb'session.commit()#修改需要提交，不然无法修改，一般单个修改较多，多重修改可以用print(data)输出结果：------------------------hehe : 456456sb : 456456------------------同理 删除就是delete了
data = session.query(User).filter(User.name=='sb').all()[0]#多条件查询,这里的all[0]也可以用frist()代替print(data)data.name = 'sb'session.commit()如此便删除了名字为'sb'的数据。删改查都是先query查到后才做的修改，这点不要弄混了。
分组统计
统计大家都知道，count，那么这里自然就是
data = session.query(User).filter(User.name=='sb').count()#没有all，写了all就相当于一个类了，那么此时count就变成了类方法，错误提示该User类中没有count这个attribute。
分组统计
from sqlalchemy import funcdata = session.query(User.name,func.count(User.name)).group_by(User.name).all()print(data)-----------输出：[('zhaff', 1), ('zhaoxin', 2)]group_by的作用就和命令行的group by一样，详情移步：http://www.cnblogs.com/Jason504327775/p/8512953.html 连表查询：此时如果创建了一个新的类对象。
class Bala(Base):*****此处省略了同上一样那么两个表，我们要关联他们两个，比如表内 name这栏，名字一样的全给我弄出来
result = session.query(User,Bala).filter(User.name == Bala.name).all()#这种是强制指定name联系的，不需要有外键联系输出结果以列表套元组格式出现，每个元组中对应的就是User.name == Bala.name对应的那两条数据的详细信息。这就不演示了。有外键联系的可以使用result = session.query(User).join(Bala).all()#来实现下面orm最牛逼的地方就是外键关联的方便性，直接上代码：import sqlalchemyfrom sqlalchemy.ext.declarative import declarative_basefrom sqlalchemy import create_enginefrom sqlalchemy import Column,Integer,String,ForeignKeyfrom sqlalchemy.orm import sessionmaker,relationshipengine=create_engine('mysql+pymysql://root:123456@localhost/slkdb',encoding ='utf-8')Base = declarative_base()#生成orm基类class Student(Base):#重新生成两个数据表，之前的都删了重新开始 __tablename__='student'#表名 id = Column(Integer,primary_key=True) name = Column(String(32),nullable=False) register_date = Column(String(32),nullable=False) def __repr__(self): return 'ID：%s,name: %s'%(self.id,self.name)class Stu_record(Base): __tablename__='stcored' id = Column(Integer,primary_key=True) day = Column(Integer) statue = Column(String(32),nullable=False) stu_id = Column(Integer, ForeignKey('student.id'))#外键关联就在这，注意是table_name名.id而不是类对象名.id student = relationship('Student',backref='my_study_recode')#这个实现了反向查询，这行代码相当于实例化一个Student的对象实例，此时下面的self.student.name可以调用，通过my_study_recode可以调用Stu_record这个对象的属性，这个函数是从内存中调用，python中封装出来的，并不是数据库里面的功能，如此方便很多倍 def __repr__(self): return '%s第%s天的登录状态%s'%(self.student.name,self.day,self.statue)Base.metadata.create_all(engine)#创建表结构session_class=sessionmaker(bind=engine)session=session_class()s1 = Student(name='zhaoxin',register_date='2011-02-14')s2 = Student(name='jianji',register_date='2012-01-14')s3 = Student(name='ruizi',register_date='2011-05-14')s4 = Student(name='luoli',register_date='2011-06-11')t1 = Stu_record(day=1,statue='YES',stu_id=1)t2 = Stu_record(day=2,statue='NO',stu_id=1)t3 = Stu_record(day=3,statue='YES',stu_id=1)t4 = Stu_record(day=4,statue='NO',stu_id=1)t5 = Stu_record(day=5,statue='YES',stu_id=2)session.add_all([s1,s2,s3,s4,t1,t2,t3,t4,t5])session.commit()s_obj=session.query(Student).filter(Student.name=='zhaoxin').first()#此时返回的是student这个类print(s_obj.my_study_recode)#通过关联，这个关联是内存里进行的通过类之间的映射，反查到Stu_record中所有的属性，并调用Stu_record的__repr__函数。
----------------
[zhaoxin第1天的登录状态YES, zhaoxin第2天的登录状态NO, zhaoxin第3天的登录状态YES, zhaoxin第4天的登录状态NO]一对多外键关联也是异曲同工，但是依然要注意几个细节：
在关联时，我们都知道了是类似这样的stu_id = Column(Integer, ForeignKey('student.id'))，那么这样一对多代表着这样的代码不止一行，关联的键不一样；那么有几条这个，就有几条类似student = relationship('Student',backref='my_study_recode')的代码，这个时候要指定foreign_keys = [***这里是本对象下关联外键的属性名***]，如此一来计算机就能识别到底谁关联了谁，就不会分不清，如果把这个写进函数，那么计算机就会混淆，然后报错：大概说的就是有多个foreign_keys关联在这个表里，foreign_keys这个属性应该指定，否则会傻傻分不清楚。好了，下面最后讲下最重要的多对多关联
直接在代码里面讲解，重新创建新表。（为了演示效果，我并未分开放，作为合格的开发人员，创建和修改查询等文件写在一个代码里实为不妥，但是这里是演示，就写一起了。）
import sqlalchemyfrom sqlalchemy.ext.declarative import declarative_basefrom sqlalchemy import create_engine,Tablefrom sqlalchemy import Column,Integer,String,ForeignKeyfrom sqlalchemy.orm import sessionmaker,relationshipengine=create_engine('mysql+pymysql://root:123456@localhost/slkdb?charset=utf8')Base = declarative_base()book_m2m_author =Table('book_m2m_author',Base.metadata, Column('book_id',Integer,ForeignKey('book.id')), Column('author_id',Integer,ForeignKey('author.id')) )#为什么不用class的方式创建这个表呢？因为我不会在里面插任何数据或者更改，我只需要改源数据就是那两个class里面的，那么这个由映射都会自动更改class Book(Base): __tablename__='book' id=Column(Integer,primary_key=True) name = Column(String(32)) put_date = Column(String(32)) authors = relationship('Author',secondary=book_m2m_author,backref='books')#连接author表，查询时通过第三张表book_m2m_author查询 def __repr__(self): return self.nameclass Author(Base): __tablename__='author' id = Column(Integer, primary_key=True) name = name = Column(String(32)) def __repr__(self): return self.nameBase.metadata.create_all(engine)session_class=sessionmaker(bind=engine)session=session_class()b1=Book(name='圣墟+琴帝',put_date='2016-6-12')b2=Book(name='长生界+我欲封天',put_date='2013-2-19')b3=Book(name='神墓+求魔',put_date='2009-10-11')b4=Book(name='仙逆+一念永恒',put_date='2011-6-12')b5=Book(name='斗罗大陆+遮天',put_date='2010-8-2')b6=Book(name='三合一',put_date='2018-3-7')a1=Author(name='辰东')a2=Author(name='耳根')a3=Author(name='唐家三少')b1.authors=[a1,a3]#第三个表通过这个方式关联起author和book这两个表格，以下同。就是Book类中authors里的secondary这个属性的实现。b2.authors=[a1,a2]b3.authors=[a1,a2]b4.authors=[a2,a3]b5.authors=[a3,a1]b6.authors=[a1,a2,a3]session.add_all([b1,b2,b3,b4,b5,b6,a1,a2,a3])session.commit()author_obj = session.query(Author).filter(Author.name=='辰东').first()print(author_obj.books)#通过book实现到Book里面调用匹配辰东属性的反查效果book_obj = session.query(Book).filter(Book.name=='三合一').first()print(book_obj,book_obj.authors)#如此就实现作者查书 和书查作者的关联
---------------------------------
输出：[圣墟+琴帝, 长生界+我欲封天, 神墓+求魔, 斗罗大陆+遮天, 三合一]三合一 [辰东, 耳根, 唐家三少] 好了，到这里orm具体也讲完了，实际生活中，多表格关联会很多，如果您看的一脸懵逼，那对不起，可能我自己水平还不高，无法讲解入微，人生苦短，我用python。