数据模型
数据库回顾
分类：
关系型数据库：MySQL、sqlite、…
非关系型数据库：Redis、MongoDB、…
操作：
执行原生SQL语句，每次都需要拼接SQL语句，非常繁琐而且特别容易出错。
ORM(对象关系映射)，使用ORM可以通过对对象的操作完成对数据库的操作。
flask-sqlalchemy
说明：其实是sqlalchemy扩展库在flask中的移植库，通过了绝大多数关系型数据库的支持(ORM)
安装：pip install flask-sqlalchemy
连接地址配置：
名称：SQLALCHEMY_DATABASE_URI
格式：
sqlite：sqlite:/// + 数据库文件名
MySQL：数据库名+驱动名://用户名:密码@主机:端口/数据库
使用：
# 配置数据连接地址
base_dir = os.path.dirname(__file__)
database_uri = 'sqlite:///' + os.path.join(base_dir, 'data.sqlite')
app.config['SQLALCHEMY_DATABASE_URI'] = database_uri
# 禁止数据的修改追踪(需要消耗资源)
app.config['SQLALCHEMY_TRACK_MODIFICATIONS'] = False
# 创建数据库操作对象
db = SQLAlchemy(app)
# 设计模型类
class User(db.Model):
# 表名默认会将模型名转为小写加下划线的形式
# 如：UserModel => user_model
# 指定表名
__tablename__ = 'users'
id = db.Column(db.Integer, primary_key=True)
name = db.Column(db.String(20), unique=True)
email = db.Column(db.String(32), unique=True)
数据表操作
@app.route('/create/')
def create():
# 创建数据表
db.create_all()
return '数据表已创建'
@app.route('/drop/')
def drop():
db.drop_all()
return '数据表已删除'
# 添加终端命令，完成数据表的创建
@manager.command
def createall():
# 先删除原来的，副作用很大
db.drop_all()
# 然后再创建
db.create_all()
return '数据表已创建'
# 添加终端命令，完成数据表的删除
@manager.command
def dropall():
if prompt_bool('您确定要删库跑路吗？'):
db.drop_all()
return '数据表已删除'
return '删库有风险，操作需谨慎！'
执行终端命令：python manage.py createall，即可创建数据表
数据库迁移
说明：将数据模型的更改应用到数据表的操作叫数据库迁移。flask-migrate就是专门做迁移的扩展库。
安装：pip install flask-migrate
使用：
from flask_migrate import Migrate
# 创建数据库迁移对象
migrate = Migrate(app, db)
# 将迁移命令添加到终端
manager.add_command('db', MigrateCommand)
迁移：
初始化，只需要一次，创建用户存放迁移脚本的目录及相关文件。
python manage.py db init
根据数据模型与数据表，生成迁移脚本。
python manage.py db migrate
执行迁移脚本
python manage.py db upgrade
提示：
初始化操作只需要一次，以后生成迁移脚本与执行迁移脚本循环执行即可完成数据库的迁移。
不是每次迁移都会成功，迁移出错时需要手动解决。
CURD操作
增加数据
# 设置自动提交操作，请求结束时无论如何都会提交
app.config['SQLALCHEMY_COMMIT_ON_TEARDOWN'] = True
# 增加数据
@app.route('/insert/')
def insert():
# 创建对象
# jie = User(name='八戒', email='[email protected]', age=30)
# hou = User(name='猴哥', email='[email protected]', age=20)
# 保存到数据库，只能保存一条数据
# db.session.add(hou)
bei = User(name='贝贝', email='[email protected]', age=28)
jing = User(name='晶晶', email='[email protected]', age=18)
huan = User(name='欢欢', email='[email protected]', age=22)
ying = User(name='迎迎', email='[email protected]', age=23)
ni = User(name='妮妮',email='[email protected]',
age=20)
# 保存到数据库，一次性保存多条数据
db.session.add_all([bei, jing, huan, ying, ni])
# 提交操作，若没有设置自动提交，每次执行操作都需要手动提交一次
# db.session.commit()
return '数据已添加'
查询数据
# 查询操作
@app.route('/select/<uid>/')
def select(uid):
# 根据主键进行查询，找到返回对象，没找到返回None
user = User.query.get(uid)
if user:
return user.name
return '查无此人'
修改数据
# 修改数据
@app.route('/update/<uid>/')
def update(uid):
user = User.query.get(uid)
if user:
user.email = '[email protected]'
# 再次添加到数据库即可
db.session.add(user)
return '数据已修改'
return '查无此人'
删除数据
# 删除数据
@app.route('/delete/<uid>/')
def delete(uid):
user = User.query.get(uid)
if user:
db.session.delete(user)
return '数据已删除'
return '查无此人'
模型设计参考
常见的字段类型
字段类型 python类型 说明
Integer int 整型(32)
SmallInteger int 整型(16)
BigInteger int/long 整型(64)
Float float 浮点型
String str 变长字符串
Text str 不受限制的文本
Boolean bool 布尔值，True/False
Date datetime.date 日期
Time datetime.time 时间
DateTime datetime.datetime 日期时间
Interval datetime.timedelta 时间间隔
PickleType pickle.dumps() 使用pickle模块序列化后的python对象
LargeBinary bytes 任意大的二进制数据
常见字段选项
选项 说明
primary_key 是否作为主键索引，默认为False
autoincrement 是否设置字段自增，默认为False
unique 是否作为唯一索引，默认为False
index 是否作为普通索引，默认为False
nullable 字段是否可以为空，默认为True
default 设置默认值
总结：
插入数据可以不传值的情况：自增的字段、可以为空的字段、有默认值的字段
使用flask-sqlalchemy时每个模型都需要有一个主键，通常主键字段名称为id
数据模型类名与数据表中的名字
默认：会将模型名转换为小写加下划线的方式，如：UserModel => user_model
指定：通过类属性__tablename__指定表名
各种查询
说明：在数据库的操作中，绝大多数都是查询操作，而且这些操作都是通过方法来实现的。
常见操作：
操作 说明
get 根据主键查询，查到返回对象，没查到返回None
get_or_404 根据主键查询，查到返回对象，没查到报404错
first 返回第一条数据，没有时返回None
first_or_404 返回第一条数据，没有时报404错
all 查询所有数据组成的列表
limit 限制结果集数量，返回时查询对象
offset 结果集偏移数量，返回时查询对象
order_by 排序，指定字段后，默认按升序排序(asc)，降序(desc)，可以指定多个字段
count 统计个数
聚合函数：max、min、sum、avg、count
from sqlalchemy import func
@app.route('/query/')
def query():
# 聚合函数
# max_age = db.session.query(func.max(User.age)).scalar()
max_age = db.session.query(func.min(User.age)).scalar()
return str(max_age)
指定条件查询
@app.route('/query/')
def query():
# 指定等值条件
# users = User.query.filter_by(age=18).all()
# 指定任意条件
users = User.query.filter(User.age > 18).all()
return ','.join(u.name for u in users)
filter条件查询
关系
>, __gt__：大于
示例： # users = User.query.filter(User.age > 20).all()
# 等价于上式
users = User.query.filter(User.age.__gt__(20)).all()
>=,__ge__：大于等于
<, __lt__：小于
<=,__le__：小于等于
==,__eq__：等于
!=,__ne__：不等于
范围
users = User.query.filter(User.id.between(1, 3)).all()
users = User.query.filter(User.id.in_((1, 3, 5))).all()
users = User.query.filter(User.id.notin_((1, 3, 5))).all()
内容
# 包含指定内容
# users = User.query.www.fengshen157.com filter(User.email.contains('ng')).all()
# 以指定内容开头
# users = User.query.www.baidu620.com/ filter(User.email.startswith('fe')).all()
# 以指定内容结尾
# users = User.query.www.thd178.com filter(User.email.endswith('.com')).all()
# 模糊匹配
# users = User.query.filter(www.thd540.com User.email.like('l%')).all()
users = User.query.filter(User.email.notlike('l%')).all()
逻辑
from sqlalchemy import and_, or_
# 默认的关系就是逻辑与
# users = User.query.filter(www.longboshyl.cn User.id > 3, User.age > 20).all()
# 与上式等价
# users = User.query.www.dfgjpt.com/ filter(and_(User.id > 3, User.age > 20)).all()
# 逻辑或
users = User.query.filter(or_(User.id www.zhongdayule.cn/> 3, User.age > 20)).all()