SQLAlchemy技术文档(普通话版)-下

10.``建立联系(外键)

http://www.cnblogs.com/iwangzc/category/620910.html

原文链接:http://www.cnblogs.com/iwangzc/p/4112078.html(感谢作者的分享)

是时候考虑怎样映射和查询一个和``Users``表关联的第二张表了。假设我们系统的用户可以存储任意数量的``email``地址。我们需要定义一个新表``Address``与``User``相关联。

10.``建立联系(外键)

sqlalchemy
官方文档:http://docs.sqlalchemy.org/en/latest/contents.html

from sqlalchemyimport ForeignKey

from sqlalchemy.orm import relationship, backref
class Address(Base):
__tablename__ = 'addresses'
id= Column(Integer, primary_key=True)
email_address = Column(String, nullable=False)
user_id = Column(Integer, ForeignKey('users.id'))
user = relationship("User", backref=backref('addresses',order_by=id))
def __repr__(self):
    return"<Address(email_address='%s')>"%self.email_address

是时候考虑怎样映射和查询一个和``Users``表关联的第二张表了。假设我们系统的用户可以存储任意数量的``email``地址。我们需要定义一个新表``Address``与``User``相关联。

1.本子检查

 

from sqlalchemyimport ForeignKey

from sqlalchemy.ormimport relationship, backref

class Address(Base):

__tablename__ = 'addresses'

id= Column(Integer, primary_key=True)

email_address = Column(String, nullable=False)

user_id = Column(Integer, ForeignKey('users.id'))

user = relationship("User", backref=backref('addresses',order_by=id))

def__repr__(self):

    return"<Address(email_address='%s')>"%self.email_address
import sqlalchemy

sqlalchemy.__version__

构造类和外键简单,就不过多赘述。主要说明以下``relationship()``函数:这个函数告诉``ORM``,``Address``类应该和``User``类连接起来,通过使用``addresses.user``。``relationship()``使用外键明确这两张表的关系。决定``Adderess.user``属性是多对一的。``relationship()``的子函数``backref()``提供表达反向关系的细节:``relationship()``对象的集合被``User.address``引用。多对一的反向关系总是一对多。更多的细节参考Basic
Rel
Rational
Patterns
``。

构造类和外键简单,就不过多赘述。主要说明以下``relationship()``函数:这个函数告诉``ORM``,``Address``类应该和``User``类连接起来,通过使用``addresses.user``。``relationship()``使用外键明确这两张表的关系。决定``Adderess.user``属性是多对一的。``relationship()``的子函数``backref()``提供表达反向关系的细节:``relationship()``对象的集合被``User.address``引用。多对一的反向关系总是一对多。更多的细节参考Basic
Rel
Rational
Patterns
``。

2.连接

这两个互补关系:``Address.user``和``User.addresses``被称为双向关系。这是``SQLAlchemy ORM``的一个非常关键的功能。更多关系``backref``的细节参见Linking
Relationships with
Backref

这两个互补关系:``Address.user``和``User.addresses``被称为双向关系。这是``SQLAlchemy ORM``的一个非常关键的功能。更多关系``backref``的细节参见Linking
Relationships with
Backref

from sqlalchemy import create_engine

engine = create_engine('sqlite:///:memory:',echo=True)

如果声明的艺术已经起来拔取,relationship()中和其它类关联的参数可以透过strings指定。在上文的User类中,一旦有所映射成功,为了发生实际的参数,那一个字符串会被当作Python的表达式。上边是一个在User类中开创双向交换的事例:

设若阐明的措施已经上马应用,relationship()中和另外类关联的参数可以经过strings指定。在上文的User类中,一旦有所映射成功,为了暴发实际的参数,这多少个字符串会被看成Python的表达式。上面是一个在User类中开创双向互换的事例:

echo参数为True时,会显得每条实施的SQL语句,可以关闭。create_engine()重回一个Engine的实例,并且它象征经过数据库语法处理细节的骨干接口,在这种情状下,数据库语法将会被解释称Python的类措施。

class User(Base):
addresses = relationship("Address", order_by="Address.id", backref="user")
class User(Base):

addresses = relationship("Address", order_by="Address.id", backref="user")

3.注脚映像

 

一些学问:

当使用ORM【1】时,构造进程首先描述数据库的表,然后定义大家用来映射这么些表的类。在现版本的SQLAlchemy中,这五个任务日常一起实施,通过运用Declarative方法,我们可以创立一些带有描述要被映射的实在数据库表的准则的映射类。

一部分学问:

在大部分的外键约束(固然不是兼备的)关系数据库只可以链接到一个主键列,或具备唯一约束的列。

使用Declarative方法定义的映射类按照一个基类,这么些基类是维系类和数据表关系的目录——大家所说的Declarative base
class。在一个一般性的模块入口中,应用一般只需要有一个base的实例。大家通过declarative_base()效率创造一个基类:

在大部分的外键约束(即使不是兼备的)关周全据库只可以链接到一个主键列,或有所唯一约束的列。

外键约束假如是指向三个列的主键,并且它自己也存有多列,这种被叫做“复合外键”。

from sqlalchemy.ext.declarativeimportdeclarative_base

Base = declarative_base()

外键约束如要是指向六个列的主键,并且它自身也保有多列,这种被称呼“复合外键”。

外键列能够自动更新自己来对号入座它所引用的行如故列。这被叫做级联,是一种建立在关周密据库的效果。

有了这么些base,大家可以遵照这多少个base定义任意数量的映射类。一个简约的user例子:

外键列可以自动更新自己来对号入座它所引述的行仍旧列。这被称为级联,是一种建立在关周密据库的职能。

外键可以参照自己的表格。这种被称呼“自引”外键。

from sqlalchemy import Column, Integer, String

class User(Base):

__tablename__= 'users'

id= Column(Integer, primary_key=True)

name = Column(String)

外键可以参照自己的报表。这种被喻为“自引”外键。

咱俩需要在数据库中开创一个addresses表,所以我们会成立另一个元数据,这将会跳过曾经创办的表。

用Declarative构造的一个类至少需要一个__tablename__性能,一个主键行。

我们需要在数据库中创设一个addresses表,所以我们会创制另一个元数据,这将会跳过曾经制造的表。

11.``操作主外键关联的对象

4.构造格局(项目中没用到)

11.``操作主外键关联的对象

现在我们已经在``User``类中创建了一个空的``addresser``集合,可变集合类型,例如``set``和``dict``,都可以用,但是默认的集合类型是``list``。

5.创立映射类的实例

现在我们已经在``User``类中创建了一个空的``addresser``集合,可变集合类型,例如``set``和``dict``,都可以用,但是默认的集合类型是``list``。

jack = User(name='jack', fullname='Jack Bean', password='gjffdd')

jack.addresses

[]
ed_user = User(name='ed',fullname='Ed Jones', password='edspassword')
jack = User(name='jack', fullname='Jack Bean', password='gjffdd')
jack.addresses
[]

目前得以一向在User对象中添加Address对象。只需要指定一个完好无缺的列表:

6.创设会话

 

jack.addresses = [Address(email_address='jack@google.com'),Address(email_address='j25@yahoo.com')]

当使用双向关系时,元素在一个类中被添加后便会自动在另一个类中添加。这种行为发生在Python的更改事件属性中而不是用SQL语句:

>>> jack.addresses[1]

<Address(email_address='j25@yahoo.com')>

>>> jack.addresses[1].user

<User(name='jack', fullname='Jack Bean', password='gjffdd')>

把jack提交到数据库中,再次查询Jack,(No SQL is yet issued for Jack’s addresses:)这句实在是翻译不了了,看看代码就明白是什么意思:

>>> jack = session.query(User).\
...

filter_by(name='jack').one()

>>> jack

<User(name='jack',fullname='Jack Bean', password='gjffdd')>

>>>jack.addresses 

[<Address(email_address='jack@google.com')>,
<Address(email_address='j25@yahoo.com')>]

当我们访问uaddresses集合时,SQL会被突然执行,这是一个延迟加载(lazy loading)关系的典型例子。现在addresses集合加载完成并且可以像对待普通列表一样对其进行操作。以后我们会优化这种加载方式。

12.使用JOINS查询

现在我们有了两张表,可以进行更多的查询操作,特别是怎样对两张表同时进行查询,Wikipediapage on SQL JOIN提供了很详细的说明,其中一些我们将在这里说明。之前用Query.filter()时,我们已经用过JOIN了,filter是一种简单的隐式join:

>>>for u, a in session.query(User, Address).filter(User.id==Address.user_id).filter(Address.email_address=='jack@google.com').all():   

    print u

    print a

<User(name='jack',fullname='JackBean', password='gjffdd')>

<Address(email_address='jack@google.com')>

用Query.join()方法会更加简单:

>>>session.query(User).join(Address).\

...
    filter(Address.email_address=='jack@google.com').\

...
    all() 

[<User(name='jack',fullname='JackBean', password='gjffdd')>]

之所以Query.join()知道怎么join两张表是因为它们之间只有一个外键。如果两张表中没有外键或者有一个以上的外键,当下列几种形式使用的时候,Query.join()可以表现的更好:

query.join(Address,User.id==Address.user_id)# 明确的条件

query.join(User.addresses)# 指定从左到右的关系

query.join(Address,User.addresses)    #同样,有明确的目标

query.join('addresses') # 同样,使用字符串

    outerjoin()和join()用法相同

query.outerjoin(User.addresses)# LEFT OUTER JOIN

12.1使用别名

当在多个表中查询时,如果同一张表需要被引用好几次,SQL通常要求对这个表起一个别名,因此,SQL可以区分对这个表进行的其他操作。Query也支持别名的操作。下面我们joinAddress实体两次,找到同时拥有两个不同email的用户:

>>>from sqlalchemy.ormimport aliased

>>>adalias1 = aliased(Address)

>>>adalias2 = aliased(Address)

>>>for username, email1, email2 in\

...
    session.query(User.name,adalias1.email_address,adalias2.email_address).\

...
    join(adalias1, User.addresses).\

...
    join(adalias2, User.addresses).\

...
    filter(adalias1.email_address=='jack@google.com').\

...
    filter(adalias2.email_address=='j25@yahoo.com'):

...
    print username, email1,
email2      

jack
jack@google.com j25@yahoo.com

12.1使用子查询(暂时理解不了啊,多看代码研究吧:()

from sqlalchemy.sqlimport func

stmt = session.query(Address.user_id,func.count('*').\

...
        label('address_count')).\

...
        group_by(Address.user_id).subquery()

>>>
for u, count in session.query(User,stmt.c.address_count).\

...
    outerjoin(stmt, User.id==stmt.c.user_id).order_by(User.id):

    print u, count

<User(name='ed',fullname='EdJones', password='f8s7ccs')>
None

<User(name='wendy',fullname='Wendy Williams', password='foobar')>
None

<User(name='mary',fullname='Mary Contrary', password='xxg527')>
None

<User(name='fred',fullname='Fred Flinstone', password='blah')>
None

<User(name='jack',fullname='Jack Bean', password='gjffdd')>
2

12.2从子查询中选择实体?

上面的代码中我们只返回了包含子查询的一个列的结果。如果想要子查询映射到一个实体的话,使用aliased()设置一个要映射类的子查询别名:

>>>
stmt = session.query(Address).\

...
     filter(Address.email_address!= 'j25@yahoo.com').\

...
     subquery()

>>>
adalias = aliased(Address, stmt)
#?为什么有两个参数?

>>>
for user, address in session.query(User, adalias).\

...
        join(adalias, User.addresses): 

...
    print user

...
    print address

<User(name='jack',fullname='Jack Bean', password='gjffdd')>

<Address(email_address='jack@google.com')>

后日大家早已准备毫和数据库初叶会话了。ORM通过Session与数据库建立连接的。当使用第一次载入时,大家定义一个Session类(表明create_engine()的同时),这些Session类为新的Session对象提供工厂劳动。

昨日得以间接在User对象中添加Address对象。只需要指定一个一体化的列表:

12.3使用EXISTS(存在?)

from sqlalchemy.orm import sessionmaker

Session = sessionmaker(bind=engine)
jack.addresses = [Address(email_address='jack@google.com'),Address(email_address='j25@yahoo.com')]

如果表达式返回任何行``,``EXISTS``为真,这是一个布尔值。它可以用在``jions``中,也可以用来定位在一个关系表中没有相应行的情况:

这些定制的Session类会成立绑定到数据库的Session对象。假诺急需和数据库建立连接,只需要实例化一个Session:

 

>>>from sqlalchemy.sqlimport exists

>>>
stmt = exists().where(Address.user_id==User.id)

>>>for name, in session.query(User.name).filter(stmt):

    print name

jack
session = Session()
当使用双向关系时,元素在一个类中被添加后便会自动在另一个类中添加。这种行为发生在Python的更改事件属性中而不是用SQL语句:

>>> jack.addresses[1]
<Address(email_address='j25@yahoo.com')>
>>> jack.addresses[1].user
<User(name='jack', fullname='Jack Bean', password='gjffdd')>

等价于:

尽管下边的Session已经和数据库引擎Engine关联,不过还一贯不打开任何连接。当它首先次被运用时,就会从Engine维护的一个连接池中找寻是否留存连接,假如存在便会保持连续知道大家提交所有变更并且/或者关闭session对象。

 

>>>for name, in session.query(User.name).\

...
   filter(User.addresses.any()):


...
    print name

jack

7.添加新对象(简略)

把jack提交到数据库中,再次查询Jack,(No SQL is yet issued for Jack’s addresses:)这句实在是翻译不了了,看看代码就明白是什么意思:

>>> jack = session.query(User).\
...
filter_by(name='jack').one()

>>> jack
<User(name='jack',fullname='Jack Bean', password='gjffdd')>


>>>jack.addresses 
[<Address(email_address='jack@google.com')>,
<Address(email_address='j25@yahoo.com')>]

any()``限制行匹配:

ed_user = User(name='ed', fullname='Ed Jones', password='edspassword')

session.add(ed_user)

 

>>>for name, in session.query(User.name).\

...

filter(User.addresses.any(Address.email_address.like('%google%'))):


...
    print name

jack

由来,我们可以认为,新增长的这几个目的实例仍在等待中;ed_user对象现在并不表示数据库中的一行数据。直到使用flush进程,Session才会让SQL保持连续。假若查询这条数据以来,所有等待音讯会被第一时间刷新,查询结果也会顿时发行。

当我们访问uaddresses集合时,SQL会被突然执行,这是一个延迟加载(lazy loading)关系的典型例子。现在addresses集合加载完成并且可以像对待普通列表一样对其进行操作。以后我们会优化这种加载方式。

12.使用JOINS查询

现在我们有了两张表,可以进行更多的查询操作,特别是怎样对两张表同时进行查询,Wikipediapage on SQL JOIN提供了很详细的说明,其中一些我们将在这里说明。之前用Query.filter()时,我们已经用过JOIN了,

filter是一种简单的隐式join:

>>>for u, a in session.query(User, Address).filter(User.id==Address.user_id).filter(Address.email_address=='jack@google.com').all():   
    print u
    print a
<User(name='jack',fullname='JackBean', password='gjffdd')>
<Address(email_address='jack@google.com')>

has()``和``any()``一样在应对多对一关系的情况下(注意“~“意味着”``NOT”``)

session.commit()

 

>>> session.query(Address).\

...
        filter(~Address.user.has(User.name=='jack')).all()

[]

通过commit()能够提交所有盈余的转移到数据库。

用Query.join()方法会更加简单:

>>>session.query(User).join(Address).\
...
    filter(Address.email_address=='jack@google.com').\
...
    all() 
[<User(name='jack',fullname='JackBean', password='gjffdd')>]

12.4 ``常见的关系运算符

8.回滚

 

`=== None都是用在多对一中,而contains()用在一对多的联谊中:`

session.rollback()
之所以Query.join()知道怎么join两张表是因为它们之间只有一个外键。如果两张表中没有外键或者有一个以上的外键,当下列几种形式使用的时候,Query.join()可以表现的更好:

query.join(Address,User.id==Address.user_id)# 明确的条件
query.join(User.addresses)# 指定从左到右的关系
query.join(Address,User.addresses)    #同样,有明确的目标
query.join('addresses') # 同样,使用字符串
    outerjoin()和join()用法相同
query.outerjoin(User.addresses)# LEFT OUTER JOIN
query.filter(Address.user == someuser)

query.filter(User.addresses.contains(someaddress))

9.查询

 

Any()``(用于集合中):

通过Session的query()方法创造一个询问对象。那一个函数的参数数量是可变的,参数可以是其他类仍然是类的描述的相会。上边是一个迭代输出User类的事例:

12.1使用别名

当在多个表中查询时,如果同一张表需要被引用好几次,SQL通常要求对这个表起一个别名,因此,SQL可以区分对这个表进行的其他操作。Query也支持别名的操作。下面我们joinAddress实体两次,找到同时拥有两个不同email的用户:

>>>from sqlalchemy.ormimport aliased
>>>adalias1 = aliased(Address)
>>>adalias2 = aliased(Address)
>>>for username, email1, email2 in\
...
    session.query(User.name,adalias1.email_address,adalias2.email_address).\
...
    join(adalias1, User.addresses).\
...
    join(adalias2, User.addresses).\
...
    filter(adalias1.email_address=='jack@google.com').\
...
    filter(adalias2.email_address=='j25@yahoo.com'):
...
    print username, email1,
email2      
jack
jack@google.com j25@yahoo.com
query.filter(User.addresses.any(Address.email_address == 'bar'))#also takes keyword arguments:

query.filter(User.addresses.any(email_address='bar'))
for instance in session.query(User).order_by(User.id):

print instance.name,instance.fullname

 

as()``(用在标量?不在集合中):

Query也支撑ORM描述作为参数。任何时候,五个类的实业或者是基于列的实业表达都能够用作query()函数的参数,再次来到类型是元组:

12.1使用子查询(暂时理解不了啊,多看代码研究吧:()

from sqlalchemy.sqlimport func
stmt = session.query(Address.user_id,func.count('*').\
...
        label('address_count')).\
...
        group_by(Address.user_id).subquery()
>>>
for u, count in session.query(User,stmt.c.address_count).\
...
    outerjoin(stmt, User.id==stmt.c.user_id).order_by(User.id):
    print u, count
<User(name='ed',fullname='EdJones', password='f8s7ccs')>
None
<User(name='wendy',fullname='Wendy Williams', password='foobar')>
None
<User(name='mary',fullname='Mary Contrary', password='xxg527')>
None
<User(name='fred',fullname='Fred Flinstone', password='blah')>
None
<User(name='jack',fullname='Jack Bean', password='gjffdd')>
2
query.filter(Address.user.has(name='ed'))
for name, fullname in session.query(User.name,User.fullname): 

print name, fullname

 

Query.with_parent()``(所有关系都适用):

Query重回的元组被命名为KeyedTuple类的实例元组。并且可以把它正是一个家常的Python数据类操作。元组的名字就一定于属性的属性名,类的类名一样。

12.2从子查询中选择实体?

上面的代码中我们只返回了包含子查询的一个列的结果。如果想要子查询映射到一个实体的话,使用aliased()设置一个要映射类的子查询别名:

>>>
stmt = session.query(Address).\

...
     filter(Address.email_address!= 'j25@yahoo.com').\

...
     subquery()

>>>
adalias = aliased(Address, stmt)
#?为什么有两个参数?

>>>
for user, address in session.query(User, adalias).\

...
        join(adalias, User.addresses): 

...
    print user

...
    print address

<User(name='jack',fullname='Jack Bean', password='gjffdd')>

<Address(email_address='jack@google.com')>
session.query(Address).with_parent(someuser,'addresses')
for row in session.query(User, User.name).all():

print row.User,row.name

<User(name='ed',fullname='Ed Jones', password='f8s7ccs')>ed

12.3使用EXISTS(存在?)

13 ``预先加载(跟性能有关)和``lazy loading``相对,建议直接查看文档吧

label()不明白怎么解释,看下例子就精晓了。相当于row.name

如果表达式返回任何行``,``EXISTS``为真,这是一个布尔值。它可以用在``jions``中,也可以用来定位在一个关系表中没有相应行的情况:

待补充。。。

for row in session.query(User.name.label('name_label')).all():

print(row.name_label)
>>>from sqlalchemy.sqlimport exists
>>>
stmt = exists().where(Address.user_id==User.id)
>>>for name, in session.query(User.name).filter(stmt):
    print name
jack

aliased()我的接头是类的别名,假设有多少个实体都要询问一个类,能够用aliased()

 

from sqlalchemy.orm import aliased

user_alias = aliased(User, name='user_alias')

for row in session.query(user_alias,user_alias.name).all():

print row.user_alias

等价于:

Query的
基本操作包括LIMIT和OFFSET,使用Python数组切片和ORDERBY结合可以让操作变得很便利。

>>>for name, in session.query(User.name).\
...
   filter(User.addresses.any()):

...
    print name
jack
for u in session.query(User).order_by(User.id)[1:3]:

#只查询第二条和第三条数据

 

9.1拔取重要字变量过滤查询结果,filter 和 filter_by都适用。【2】使用很粗略,下边列出多少个常用的操作:

any()``限制行匹配:

query.filter(User.name == 'ed') #equals

query.filter(User.name != 'ed') #not equals

query.filter(User.name.like('%ed%')) #LIKE

uery.filter(User.name.in_(['ed','wendy', 'jack'])) #IN

query.filter(User.name.in_(session.query(User.name).filter(User.name.like('%ed%'))#IN

query.filter(~User.name.in_(['ed','wendy', 'jack']))#not IN

query.filter(User.name == None)#is None

query.filter(User.name != None)#not None

from sqlalchemy import and_

query.filter(and_(User.name =='ed',User.fullname =='Ed Jones')) # and

query.filter(User.name == 'ed',User.fullname =='Ed Jones') # and

query.filter(User.name == 'ed').filter(User.fullname == 'Ed Jones')# and

from sqlalchemy import or_

query.filter(or_(User.name =='ed', User.name =='wendy')) #or

query.filter(User.name.match('wendy')) #match
>>>for name, in session.query(User.name).\
...

filter(User.addresses.any(Address.email_address.like('%google%'))):

...
    print name
jack

9.2.回来列表和数码(标量?)

 

all()再次来到一个列表:能够开展Python列表的操作。

has()``和``any()``一样在应对多对一关系的情况下(注意“~“意味着”``NOT”``)

query = session.query(User).filter(User.name.like('%ed')).order_by(User.id)

query.all()

[<User(name='ed',fullname='EdJones', password='f8s7ccs')>,<User(name='fred',
fullname='FredFlinstone', password='blah')>]
>>> session.query(Address).\
...
        filter(~Address.user.has(User.name=='jack')).all()

[]

first()适用于限制一个意况,重回查询到的第一个结实作为标量?:好像只好当做性能,类

 

query.first()

<User(name='ed',fullname='Ed Jones', password='f8s7ccs')>

12.4 ``常见的关系运算符

one()完全取得具有行,并且只要查询到的不唯有一个目的可能有复合行,就会抛出很是。

`=== None都是用在多对一中,而contains()用在一对多的集纳中:`

from sqlalchemy.orm.exc import MultipleResultsFound

user = query.one()

try:

  user = query.one()

except
  MultipleResultsFound, e:

  print e

Multiple rows were found for one()
query.filter(Address.user == someuser)
query.filter(User.addresses.contains(someaddress))

一经一行也没有:

 

from sqlalchemy.orm.exc import NoResultFound

try:

  user = query.filter(User.id == 99).one()

except
NoResultFound, e:

  print e

No row was found for one()

Any()``(用于集合中):

one()方法对于想要解决“no items found”和“multiple items
found”是见仁见智的系统是极好的。(这句有语病啊)例如web服务再次来到,本来是在no results
found情况下回到”404“的,结果在两个results found意况下也会跑出一个运用卓殊。

query.filter(User.addresses.any(Address.email_address == 'bar'))#also takes keyword arguments:
query.filter(User.addresses.any(email_address='bar'))

scalar()作为one()方法的依据,并且在one()成功基础上再次来到行的率先列。

 

query = session.query(User.id).filter(User.name == 'ed')

query.scalar()

7

has()``(用在标量?不在集合中):

9.3.接纳字符串SQL

query.filter(Address.user.has(name='ed'))

字符串能使Query更加灵活,通过text()构造指定字符串的应用,这种方法可以用在诸多主意中,像filter()和order_by()。

 

from sqlalchemy import text

for user in session.query(User).filter(text("id<224")).order_by(text("id")).all()

Query.with_parent()``(所有关系都适用):

绑定参数可以指定字符串,用params()方法指定数值。

session.query(Address).with_parent(someuser,'addresses')
session.query(User).filter(text("id<:value and name=:name")).\

params(value=224, name='fred').order_by(User.id).one()

 

倘若要用一个完好的SQL语句,可以使用from_statement()。

ession.query(User).from_statement(text("SELECT* FROM users where name=:name")).\

            params(name='ed').all()

也得以用from_statement()获取完整的”raw”,用字符名确定希望被询问的一定列:

session.query("id","name", "thenumber12").\

from_statement(text("SELECT id, name, 12 as ""thenumber12 FROM users where name=:name")).\

 params(name=’ed’).all()

[(1,u'ed', 12)]

感觉这个不太符合ORM的思想啊。。。

9.4 计数

count()用来总括查询结果的数额。

session.query(User).filter(User.name.like('%ed')).count()

func.count()方法比count()更高级一点【3】

from sqlalchemy import func

session.query(func.count(User.name),User.name).group_by(User.name).all()


[(1,u'ed'), (1,u'fred'), (1,u'mary'), (1,u'wendy')]

为了促成简单计数SELECT count(*) FROM table``,可以这么写:

session.query(func.count('*')).select_from(User).scalar()

如果我们明确表达计数是根据``User``表的主键的话,可以省略``select_from(User):

session.query(func.count(User.id)).scalar()

上面两行结果均为``4``。

Go to
(下)

 

10.``建立联系(外键)

是时候考虑怎样映射和查询一个和``Users``表关联的第二张表了。假设我们系统的用户可以存储任意数量的``email``地址。我们需要定义一个新表``Address``与``User``相关联。

from sqlalchemyimport ForeignKey

from sqlalchemy.ormimport relationship, backref

class Address(Base):

__tablename__ = 'addresses'

id= Column(Integer, primary_key=True)

email_address = Column(String, nullable=False)

user_id = Column(Integer, ForeignKey('users.id'))

user = relationship("User", backref=backref('addresses',order_by=id))

def__repr__(self):

   return"<Address(email_address='%s')>"%self.email_address

构造类和外键简单,就不过多赘述。主要说明以下``relationship()``函数:这个函数告诉``ORM``,``Address``类应该和``User``类连接起来,通过使用``addresses.user``。``relationship()``使用外键明确这两张表的关系。决定``Adderess.user``属性是多对一的。``relationship()``的子函数``backref()``提供表达反向关系的细节:``relationship()``对象的集合被``User.address``引用。多对一的反向关系总是一对多。更多的细节参考Basic
Rel
Rational
Patterns

这两个互补关系:``Address.user``和``User.addresses``被称为双向关系。这是``SQLAlchemy ORM``的一个非常关键的功能。更多关系``backref``的细节参见Linking Relationships with
Backref

假定评释的法子已经开首利用,relationship()中和其他类关联的参数可以由此strings指定。在上文的User类中,一旦拥有映射成功,为了暴发实际的参数,那些字符串会被看做Python的表达式。下面是一个在User类中开创双向互换的事例:

class User(Base):

addresses = relationship("Address", order_by="Address.id", backref="user")

部分学问:

在大部的外键约束(即便不是富有的)关系数据库只可以链接到一个主键列,或富有唯一约束的列。

外键约束倘诺是指向四个列的主键,并且它自己也具备多列,这种被称作“复合外键”。

外键列可以自动更新自己来对号入座它所引用的行依然列。这被喻为级联,是一种建立在关全面据库的功能。

外键可以参考自己的表格。这种被称作“自引”外键。

大家需要在数据库中开创一个addresses表,所以我们会创建另一个元数据,这将会跳过曾经创办的表。

11.``操作主外键关联的对象

现在我们已经在``User``类中创建了一个空的``addresser``集合,可变集合类型,例如``set``和``dict``,都可以用,但是默认的集合类型是``list``。

jack = User(name='jack', fullname='Jack Bean', password='gjffdd')

jack.addresses

[]

近来得以一向在User对象中添加Address对象。只需要指定一个完好无损的列表:

jack.addresses = [Address(email_address='jack@google.com'),Address(email_address='j25@yahoo.com')]

当使用双向关系时,元素在一个类中被添加后便会自动在另一个类中添加。这种行为发生在Python的更改事件属性中而不是用SQL语句:

>>> jack.addresses[1]

<Address(email_address='j25@yahoo.com')>

>>> jack.addresses[1].user

<User(name='jack', fullname='Jack Bean', password='gjffdd')>

把jack提交到数据库中,再次查询Jack,(No SQL is yet issued for Jack’s addresses:)这句实在是翻译不了了,看看代码就明白是什么意思:

>>> jack = session.query(User).\
...

filter_by(name='jack').one()

>>> jack

<User(name='jack',fullname='Jack Bean', password='gjffdd')>

>>>jack.addresses 

[<Address(email_address='jack@google.com')>,
<Address(email_address='j25@yahoo.com')>]

当我们访问uaddresses集合时,SQL会被突然执行,这是一个延迟加载(lazy loading)关系的典型例子。现在addresses集合加载完成并且可以像对待普通列表一样对其进行操作。以后我们会优化这种加载方式。

12.使用JOINS查询

现在我们有了两张表,可以进行更多的查询操作,特别是怎样对两张表同时进行查询,Wikipediapage on SQL JOIN提供了很详细的说明,其中一些我们将在这里说明。之前用Query.filter()时,我们已经用过JOIN了,filter是一种简单的隐式join:

>>>for u, a in session.query(User, Address).filter(User.id==Address.user_id).filter(Address.email_address=='jack@google.com').all():   

    print u

    print a

<User(name='jack',fullname='JackBean', password='gjffdd')>

<Address(email_address='jack@google.com')>

用Query.join()方法会更加简单:

>>>session.query(User).join(Address).\

...
    filter(Address.email_address=='jack@google.com').\

...
    all() 

[<User(name='jack',fullname='JackBean', password='gjffdd')>]

之所以Query.join()知道怎么join两张表是因为它们之间只有一个外键。如果两张表中没有外键或者有一个以上的外键,当下列几种形式使用的时候,Query.join()可以表现的更好:

query.join(Address,User.id==Address.user_id)# 明确的条件

query.join(User.addresses)# 指定从左到右的关系

query.join(Address,User.addresses)    #同样,有明确的目标

query.join('addresses') # 同样,使用字符串

    outerjoin()和join()用法相同

query.outerjoin(User.addresses)# LEFT OUTER JOIN

12.1使用别名

当在多个表中查询时,如果同一张表需要被引用好几次,SQL通常要求对这个表起一个别名,因此,SQL可以区分对这个表进行的其他操作。Query也支持别名的操作。下面我们joinAddress实体两次,找到同时拥有两个不同email的用户:

>>>from sqlalchemy.ormimport aliased

>>>adalias1 = aliased(Address)

>>>adalias2 = aliased(Address)

>>>for username, email1, email2 in\

...
    session.query(User.name,adalias1.email_address,adalias2.email_address).\

...
    join(adalias1, User.addresses).\

...
    join(adalias2, User.addresses).\

...
    filter(adalias1.email_address=='jack@google.com').\

...
    filter(adalias2.email_address=='j25@yahoo.com'):

...
    print username, email1,
email2      

jack
jack@google.com j25@yahoo.com

12.1使用子查询(暂时理解不了啊,多看代码研究吧:()

from sqlalchemy.sqlimport func

stmt = session.query(Address.user_id,func.count('*').\

...
        label('address_count')).\

...
        group_by(Address.user_id).subquery()

>>>
for u, count in session.query(User,stmt.c.address_count).\

...
    outerjoin(stmt, User.id==stmt.c.user_id).order_by(User.id):

    print u, count

<User(name='ed',fullname='EdJones', password='f8s7ccs')>
None

<User(name='wendy',fullname='Wendy Williams', password='foobar')>
None

<User(name='mary',fullname='Mary Contrary', password='xxg527')>
None

<User(name='fred',fullname='Fred Flinstone', password='blah')>
None

<User(name='jack',fullname='Jack Bean', password='gjffdd')>
2

12.2从子查询中选择实体?

上面的代码中我们只返回了包含子查询的一个列的结果。如果想要子查询映射到一个实体的话,使用aliased()设置一个要映射类的子查询别名:

>>>
stmt = session.query(Address).\

...
     filter(Address.email_address!= 'j25@yahoo.com').\

...
     subquery()

>>>
adalias = aliased(Address, stmt)
#?为什么有两个参数?

>>>
for user, address in session.query(User, adalias).\

...
        join(adalias, User.addresses): 

...
    print user

...
    print address

<User(name='jack',fullname='Jack Bean', password='gjffdd')>

<Address(email_address='jack@google.com')>

12.3使用EXISTS(存在?)

如果表达式返回任何行``,``EXISTS``为真,这是一个布尔值。它可以用在``jions``中,也可以用来定位在一个关系表中没有相应行的情况:

>>>from sqlalchemy.sqlimport exists

>>>
stmt = exists().where(Address.user_id==User.id)

>>>for name, in session.query(User.name).filter(stmt):

    print name

jack

等价于:

>>>for name, in session.query(User.name).\

...
   filter(User.addresses.any()):


...
    print name

jack

any()``限制行匹配:

>>>for name, in session.query(User.name).\

...

filter(User.addresses.any(Address.email_address.like('%google%'))):


...
    print name

jack

has()``和``any()``一样在应对多对一关系的情况下(注意“~“意味着”``NOT”``)

>>> session.query(Address).\

...
        filter(~Address.user.has(User.name=='jack')).all()

[]

12.4 ``常见的关系运算符

== ``!``= None ``都是用在多对一中,而``contains()``用在一对多的集合中:

query.filter(Address.user == someuser)

query.filter(User.addresses.contains(someaddress))

Any()``(用于集合中):

query.filter(User.addresses.any(Address.email_address == 'bar'))#also takes keyword arguments:

query.filter(User.addresses.any(email_address='bar'))

as()``(用在标量?不在集合中):

query.filter(Address.user.has(name='ed'))

Query.with_parent()``(所有关系都适用):

session.query(Address).with_parent(someuser,'addresses')

13 ``预先加载(跟性能有关)和``lazy loading``相对,建议直接查看文档吧

待补充。。。

相关文章