flask-06

一、flask项目演示

pycharm打开项目
安装依赖：虚拟环境 pip install -r req.txt
在数据库创建库：movie 看一下：root用户密码不是123 ，改代码，两个地方（__init__.py密码修改）
打开models.py 解开注释，最上面两行注释掉，以脚本形式运行
- 写个main启动
- cd app cd到app里面
- 命令行中：python models.py 把表创建，插入一个超级管理员
接着恢复到到原样，上面导入的两行解开注释，迁移表注释掉，main注释
回到项目根路径：cd .. python manage.py runserver
后台：/admin 前台：/

二、sqlalchemy介绍和快速使用

sqlalchemy:它是一个orm框架

SQLAlchemy：是一个基于Python实现的ORM框架。该框架建立在 DB API之上，使用关系对象映射进行数据库操作，简言之便是：将类和对象转换成SQL，然后使用数据API执行SQL并获取执行结果。

django orm：只能给django用，不能独立用
sqlalchemy：可以独立使用，集成到web项目中
peewee：小
tortoise-orm ：异步orm框架

下载安装：pip3 install sqlalchemy

组成部分

Engine，框架的引擎
Connection Pooling ，数据库连接池
Dialect，选择连接数据库的DB API种类：mysql，sqllite......
Schema/Types，架构和类型
SQL Exprression Language，SQL表达式语言

能够操作的关系型数据库

    pymysql
        mysql+pymysql://<username>:<password>@<host>/<dbname>[?<options>]

    MySQL-Connector
        mysql+mysqlconnector://<user>:<password>@<host>[:<port>]/<dbname>

    cx_Oracle
        oracle+cx_oracle://user:pass@host:port/dbname[?key=value&key=value...]

更多：http://docs.sqlalchemy.org/en/latest/dialects/index.html

三、原生操作的快速使用

使用步骤

第一步：导入包

from threading import Thread
import sqlalchemy
from sqlalchemy import create_engine
from sqlalchemy.engine.base import Engine

第二步：实例化得到一个engine

engine = create_engine(
    "mysql+pymysql://root:123@127.0.0.1:3306/luffy?charset=utf8",
    max_overflow=0,  # 超过连接池大小外最多创建的连接
    pool_size=5,  # 连接池大小
    pool_timeout=30,  # 池中没有，线程最多等待的时间，否则报错
    pool_recycle=-1  # 多久之后对线程池中的线程进行一次连接的回收（重置）
)

第三步：通过engine拿到一个链接

拿到一个conn对象，从连接池中取出一个链接

def task():
    conn = engine.raw_connection()
    cursor = conn.cursor()
    cursor.execute("select * from luffy_banner")
    print(cursor.fetchall())

第四步：多线程测试

for i in range(20):
    t=Thread(target=task)
    t.start()

四、创建操作数据表

通过类创建和删除表（创建表的时候叫啥都行，一般都叫models.py）

第一步：导入一些依赖

from sqlalchemy.ext.declarative import declarative_base

第二步：创建成一个父类Base

Base = declarative_base()

第三步：写类：都集成Base

class User(Base):

第四步：写字段，跟之前不一样的是字段都是Column类的对象，通过参数控制字段类型，是否可以为空，是否索引......

id = Column(Integer, primary_key=True)  # id 主键
name = Column(String(32), index=True, nullable=False)

第五步：

指定定义表名必须叫__tablename__，
用的不多：联合唯一 UniqueConstraint，联合索引 Index

__tablename__ = 'users'  # 数据库表名称
        # 定义联合索引，联合唯一
        __table_args__ = (
            UniqueConstraint('id', 'name', name='uix_id_name'),  # 联合唯一
            Index('ix_id_name', 'name', 'email'),  # 联合索引
        )

第六步：把被Base管理的所有表，同步到数据库中

sqlalchemy不能创建数据库，不能修改删除字段，只能创建表和删除表
创建出所有被Base管理的表 Base.metadata.create_all(engine)

         engine = create_engine(
            "mysql+pymysql://root:123@127.0.0.1:3306/aaa?charset=utf8",
            max_overflow=0,  # 超过连接池大小外最多创建的连接
            pool_size=5,  # 连接池大小
            pool_timeout=30,  # 池中没有线程最多等待的时间，否则报错
            pool_recycle=-1  # 多久之后对线程池中的线程进行一次连接的回收（重置）
        )
        # 创建出所有被Base管理的表
        Base.metadata.create_all(engine)

第七步：删除被Base管理的所有表

# 删除所有被Base管理的表
Base.metadata.drop_all(engine)

代码展示：models.py

# 写一个个类，继承某个父类，写字段
# 第一步：导入一些依赖
from sqlalchemy.ext.declarative import declarative_base
from sqlalchemy import Column, Integer, String, Text, ForeignKey, DateTime, UniqueConstraint, Index
import datetime
from sqlalchemy.orm import relationship
from sqlalchemy import create_engine

# 第二步：创建一个父类
Base = declarative_base()

# 第三步：写类，继承父类
class User(Base):
    # 第四步:写字段，所有字段都是Column的对象，在里面通过参数控制类型
    id = Column(Integer, primary_key=True)  # id 主键
    name = Column(String(32), index=True, nullable=False)  # varchar32  name列，索引，不可为空
    email = Column(String(32), unique=True)  # 唯一
    # datetime.datetime.now不能加括号，加了括号，以后永远是当前时间
    ctime = Column(DateTime, default=datetime.datetime.now)
    extra = Column(Text, nullable=True)

    # 定义表名字
    __tablename__ = 'users'  # 数据库表名称
    # 定义联合索引，联合唯一
    __table_args__ = (
        UniqueConstraint('id', 'name', name='uix_id_name'),  # 联合唯一
        Index('ix_id_name', 'name', 'email'),  # 联合索引
    )




class Book(Base):
    __tablename__ = 'books'  # 数据库表名称
    id = Column(Integer, primary_key=True)  # id 主键
    name = Column(String(32), index=True, nullable=False)  # varchar32  name列，索引，不可为空
    price = Column(Integer)
    def __repr__(self):
        return str(self.price)

class Publish(Base):
    __tablename__ = 'publish'  # 数据库表名称
    id = Column(Integer, primary_key=True)  # id 主键
    name = Column(String(32), nullable=True)


# 第5步：sqlalchemy没有迁移一说，只能创建出被Base管理的所有表，和删除被Base管理的所有表


###一对多关系   一个爱好，有很多人喜欢
class Hobby(Base):
    __tablename__ = 'hobby'
    id = Column(Integer, primary_key=True)
    caption = Column(String(50), default='篮球')


class Person(Base):
    __tablename__ = 'person'
    id = Column(Integer, primary_key=True)
    name = Column(String(32), index=True, nullable=True)
    # hobby指的是tablename而不是类名
    # 关联字段写在多的一方，写在Person中，跟hobby表中id字段做外键关联
    hobby_id = Column(Integer, ForeignKey("hobby.id"))

    # 跟数据库无关，不会新增字段，只用于快速链表操作
    # 基于对象的跨表查询:就要加这个字段，取对象  person.hobby     pserson.hobby_id
    # 类名，backref用于反向查询
    hobby = relationship('Hobby', backref='pers')  # 如果有hobby对象，拿到所有人 hobby.pers

    def __repr__(self):
        return self.name


### 多对多关系
# 多对多
class Boy2Girl(Base):
    __tablename__ = 'boy2girl'
    id = Column(Integer, primary_key=True, autoincrement=True)
    girl_id = Column(Integer, ForeignKey('girl.id'))
    boy_id = Column(Integer, ForeignKey('boy.id'))


class Girl(Base):
    __tablename__ = 'girl'
    id = Column(Integer, primary_key=True)
    name = Column(String(64), unique=True, nullable=False)

    def __str__(self):
        return self.name

    def __repr__(self):
        return self.name


class Boy(Base):
    __tablename__ = 'boy'
    id = Column(Integer, primary_key=True, autoincrement=True)
    name = Column(String(64), unique=True, nullable=False)

    # 与生成表结构无关，仅用于查询方便,放在哪个单表中都可以
    # 方便快速查询，写了这个字段，相当于django 的manytomany，快速使用基于对象的跨表查询
    girls = relationship('Girl', secondary='boy2girl', backref='boys')

    def __str__(self):
        return self.name

    def __repr__(self):
        return self.name


# sqlalchemy不能创建数据库，不能修改，删除字段，只能创建表，和删除表
def init_db():
    engine = create_engine(
        "mysql+pymysql://root:@127.0.0.1:3306/aaa?charset=utf8",
        max_overflow=0,  # 超过连接池大小外最多创建的连接
        pool_size=5,  # 连接池大小
        pool_timeout=30,  # 池中没有线程最多等待的时间，否则报错
        pool_recycle=-1  # 多久之后对线程池中的线程进行一次连接的回收（重置）
    )
    # 创建出所有被Base管理的表
    Base.metadata.create_all(engine)


def drop_db():
    engine = create_engine(
        "mysql+pymysql://root:@127.0.0.1:3306/aaa?charset=utf8",
        max_overflow=0,  # 超过连接池大小外最多创建的连接
        pool_size=5,  # 连接池大小
        pool_timeout=30,  # 池中没有线程最多等待的时间，否则报错
        pool_recycle=-1  # 多久之后对线程池中的线程进行一次连接的回收（重置）
    )
    # 删除所有被Base管理的表
    Base.metadata.create_all(engine)


if __name__ == '__main__':
    init_db()
    # drop_db()

五、sqlalchemy快速插入数据

第一步：创建engine

engine = create_engine("mysql+pymysql://root:@127.0.0.1:3306/aaa", max_overflow=0, pool_size=5)

第二步：通过engine，获得session对象，跟之前学的cookie，session不是一个东西，这个session是绘画是链接

Session = sessionmaker(bind=engine)
# 每次执行数据库操作时，都需要创建一个Connection
session = Session()

第三步，通过session操作插入数据

创建一个对象
添加对象
提交
关闭

# book=Book(name='三毛流浪记',price=666)
user=User(name='curry',email='848306842@qq.com',extra='很6')
session.add(user)
session.commit()
session.close()

整体代码展示

from sqlalchemy import create_engine
from sqlalchemy.orm import sessionmaker
from models import User,Book
# 第一步：创建engine
engine = create_engine("mysql+pymysql://root:@127.0.0.1:3306/aaa", max_overflow=0, pool_size=5)

# 第二步：通过engine，获得session对象：跟之前学的cookie，session不是一个东西
Session = sessionmaker(bind=engine)
# 每次执行数据库操作时，都需要创建一个Connection
session = Session()

# 第三步，通过session操作插入数据
# book=Book(name='三毛流浪记',price=666)
user=User(name='curry',email='848306842@qq.com',extra='很6')
session.add(user)
session.commit()
session.close()

有个常见的错误：密码错误

六、scoped_session线程安全

session是链接对象，如果集成到flask中，我们是吧session定义成全局，还是每个视图函数一个session呢？

正常来讲要每个视图函数定义一个session，有些麻烦

sqlalchemy 帮咱提供了一个只要定义一次的session，能够做到在不同线程中，使用的是自己的session，底层基于local

原来

session=Session() 不是线程安全
以后咱们使用这个它做到了线程安全
- session = scoped_session(Session)

整体代码展示

from sqlalchemy import create_engine
from sqlalchemy.orm import sessionmaker
from models import User, Book

# 第一步：创建engine
engine = create_engine("mysql+pymysql://root:123@127.0.0.1:3306/aaa", max_overflow=0, pool_size=5)

# 第二步：通过engine，获得session对象：跟之前学的cookie，session不是一个东西
Session = sessionmaker(bind=engine)


# session是链接对象，如果集成到flask中，我们是吧session定义成全局，还是每个视图函数一个session呢？正常来讲要每个视图函数定义一个session，有些麻烦

# sqlalchemy 帮咱提供了一个只要定义一次的session，能够做到在不同线程中，使用的是自己的session，底层基于local

from sqlalchemy.orm import scoped_session
from threading import Thread

# 原来
# session=Session() #不是线程安全
# 以后咱们使用这个它做到了线程安全
session = scoped_session(Session)
def task(i):
    user = User(name='彭于晏%s' % i, email='%s@qq.com' % i, extra='很丑')
    session.add(user)
    session.commit()
    session.close()

for i in range(50):
    t = Thread(target=task, args=[i, ])
    t.start()

七、类装饰器

# 类装饰器之：加在类上的装饰器
# def auth(func):
#     def inner(*args, **kwargs):
#         print("我要开始了")
#         res = func(*args, **kwargs)
#         res.name='lqz'
#         return res
#
#     return inner
#
#
# @auth  # Person=auth(Person)  # 加在类上的装饰器
# class Person():
#     pass
#
# p=Person()
# print(p.name)


# 类装饰器之：装饰器是类
class Auth():
    def __init__(self, func):
        self.func = func

    def __call__(self, a, b):
        print('我要开始加了')
        res = self.func(a, b)
        return res


@Auth  # add=Auth(add)
def add(a, b):  # add 是Auth的对象
    return a + b


res=add(4,5)  # add加括号，会触发Auth的__call__
print(res)

八、一对多

三种关联关系

一对多
多对多
一对一：本质就是一对多，只不过是唯一的数据

表模型（一对多）

一个人只有一个爱好，一个爱好属于多个人
一对多的关系，关联写在多的一方，跟你的哪个表哪个字段做关联ForeignKey("hobby.id")

class Hobby(Base):
    __tablename__ = 'hobby'
    id = Column(Integer, primary_key=True)
    caption = Column(String(50), default='篮球')


class Person(Base):
    __tablename__ = 'person'
    id = Column(Integer, primary_key=True)
    name = Column(String(32), index=True, nullable=True)
    # hobby指的是tablename而不是类名
    # 关联字段写在多的一方，写在Person中，跟hobby表中id字段做外键关联
    hobby_id = Column(Integer, ForeignKey("hobby.id"))

    # 跟数据库无关，不会新增字段，只用于快速链表操作
    # 基于对象的跨表查询:就要加这个字段，取对象  person.hobby     pserson.hobby_id
    # 类名，backref用于反向查询
    hobby = relationship('Hobby', backref='pers')  # 如果有hobby对象，拿到所有人 hobby.pers

    def __repr__(self):
        return self.name

一对多关系新增

两种方案

方案一：前提知道id然后直接写死

# person=Person(name='lqz',hobby_id=1)
# session.add(person)

方案二

# person=Person(name='张三',hobby=Hobby(caption='乒乓球'))
# session.add(person)

方案三：通过对象存

# hobby = session.query(Hobby).filter_by(id=2).first()
# print(hobby)
# person = Person(name='张刘', hobby=hobby)
# person = Person(name='张五', hobby_id=hobby.id)
# session.add(person)

整体代码演示

from sqlalchemy import create_engine
from sqlalchemy.orm import sessionmaker
from models import Person, Hobby
from sqlalchemy.orm import scoped_session

engine = create_engine("mysql+pymysql://root:123@127.0.0.1:3306/aaa", max_overflow=0, pool_size=5)
Session = sessionmaker(bind=engine)
session = scoped_session(Session)

# 1 一对多关系新增
# hobby=Hobby(caption='足球')
#
# # 把hobby存入
# session.add(hobby)
# print(hobby.id)

# 两种方案：
# 方案一
# person=Person(name='lqz',hobby_id=1)
# session.add(person)

# 方案二：
# person=Person(name='张三',hobby=Hobby(caption='乒乓球'))
# person=Person(name='张三',hobby=Hobby(caption='乒乓球'))
# session.add(person)

## 方案三：
# hobby = session.query(Hobby).filter_by(id=2).first()
# print(hobby)
# person = Person(name='张刘', hobby=hobby)
# person = Person(name='张五', hobby_id=hobby.id)
# session.add(person)



# 2 基于对象的跨表查询
# 基于对象的跨表查询的正向查询
# person = session.query(Person).filter_by(id=1).first()
# print(person.hobby_id)
# print(person.hobby.caption)

# 基于对象的跨表查的反向
# hobby = session.query(Hobby).filter_by(id=2).first()
# # 喜欢这个爱好的所有人
# print(hobby.pers)  # 列表
# for p in hobby.pers:
#     print(p.name)
session.commit()
session.close()

多对多

没有自动生成中间表，滴手动写
relationship方便快速查询，写了这个字段，相当于django 的manytomany，快速使用基于对象的跨表查询

表模型

# 多对多
class Boy2Girl(Base):
    __tablename__ = 'boy2girl'
    id = Column(Integer, primary_key=True, autoincrement=True)
    girl_id = Column(Integer, ForeignKey('girl.id'))
    boy_id = Column(Integer, ForeignKey('boy.id'))


class Girl(Base):
    __tablename__ = 'girl'
    id = Column(Integer, primary_key=True)
    name = Column(String(64), unique=True, nullable=False)

    def __str__(self):
        return self.name

    def __repr__(self):
        return self.name


class Boy(Base):
    __tablename__ = 'boy'
    id = Column(Integer, primary_key=True, autoincrement=True)
    name = Column(String(64), unique=True, nullable=False)

    # 与生成表结构无关，仅用于查询方便,放在哪个单表中都可以
    # 方便快速查询，写了这个字段，相当于django 的manytomany，快速使用基于对象的跨表查询
    girls = relationship('Girl', secondary='boy2girl', backref='boys')

    def __str__(self):
        return self.name

    def __repr__(self):
        return self.name

增加和基于对象的跨表查询

from sqlalchemy import create_engine
from sqlalchemy.orm import sessionmaker
from models import Boy, Girl, Boy2Girl
from sqlalchemy.orm import scoped_session

engine = create_engine("mysql+pymysql://root:123@127.0.0.1:3306/aaa", max_overflow=0, pool_size=5)
Session = sessionmaker(bind=engine)
session = scoped_session(Session)

# 1 多对多新增

# 手动操作第三张表的方式
# boy = Boy(name='彭于晏')
# girl = Girl(name='刘亦菲')
# session.add(boy)
# session.add(girl)
# session.add_all([boy, girl])
# 建立关系：手动操作第三张表
# b=Boy2Girl(girl_id=1,boy_id=1)
# session.add(b)

##通过关联关系
# session.add(Boy(name='李清照', girls=[Girl(name='小红'), Girl(name='小黄')]))
# 拆开
# girl1 = Girl(name='小红1')
# girl2 = Girl(name='小黄1')
# boy = Boy(name='李清照1', girls=[girl2, girl1])
# session.add(boy)


# 基于对象的跨表查

# 正向
# boy = session.query(Boy).filter_by(id=2).first()
# print(boy)
# # 跟这个男孩越过的所有女生
# print(boy.girls)

# 通过girl查boy
# 反向
girl = session.query(Girl).filter_by(id=2).first()
print(girl)
print(girl.boys)

session.commit()
session.close()

九、基本增删查改

from sqlalchemy import create_engine
from sqlalchemy.orm import sessionmaker
from models import Boy, Girl, Boy2Girl, Hobby, Book, User, Person
from sqlalchemy.orm import scoped_session
from sqlalchemy.sql import text

engine = create_engine("mysql+pymysql://root:123@127.0.0.1:3306/aaa", max_overflow=0, pool_size=5)
Session = sessionmaker(bind=engine)
session = scoped_session(Session)

# 1 基本增
# add    add_all
# Hobby表增加记录
# hobby=Hobby(caption='羽毛球')
# book=Book(name='三国演义',price=22)
# # session.add(hobby)
# session.add_all([hobby,book])
#


# 2 删除--->查询再删---》一般写项目都是软删除
# hobby=session.query(Hobby).filter_by(caption='足球').delete()
# print(hobby)


# 3 修改，更新
# res=session.query(User).filter(User.id > 0).update({"name" : "lqz"})
# 类似于django的F查询
# 当字符串相加
# res=session.query(User).filter(User.id > 0).update({User.name: User.name + "099"}, synchronize_session=False)
# 数字相加
# res=session.query(Book).filter(Book.price > 20).update({"price": Book.price + 1}, synchronize_session="evaluate")
# print(res)

# 4 查询： filer:写条件     filter_by：等于的值
# 4.1 查询所有  是list对象
# res = session.query(User).all()
# print(type(res))
# print(len(res))
# 4.1.1 只查询某几个字段
# select name as xx,email from user;
# res = session.query(User.name.label('xx'), User.email)
# print(res)  # 打出原生sql
# print(res.all())
# for item in res.all():
#     print(item[0])
# 4.1.2 filter传的是表达式，filter_by传的是参数
# res = session.query(User).filter(User.name == "lqz").all()
# res = session.query(User).filter(User.name != "lqz").all()
# res = session.query(User).filter(User.name != "lqz", User.email == '47@qq.com').all()
# res = session.query(User).filter_by(name='lqz099').all()
# res = session.query(User).filter_by(name='lqz099',email='47@qq.com').all()
# print(len(res))

# 4.2 取一个 all了后是list，list 没有first方法
# res = session.query(User).first()
# print(res)


# 4.3 查询所有，使用占位符(了解)  :value     :name
# res = session.query(User).filter(text("id<:value and name=:name")).params(value=10, name='lqz099').order_by(User.id).all()


# 4.4 自定义查询（了解）
# res=session.query(User).from_statement(text("SELECT * FROM users where email=:email")).params(email='7@qq.com').all()
# print(res)

# 4.5 高级查询
# 　条件
# 表达式，and条件连接
# res = session.query(User).filter(User.id > 1, User.name == 'lqz099').all() # and条件
# between
# res = session.query(User).filter(User.id.between(1, 3), User.name == 'lqz099').all()
# in
# res = session.query(User).filter(User.id.in_([1,3,4])).all()
# res = session.query(User).filter(User.email.in_(['y@qq.com','r@qq.com'])).all()

# ~非，除。。外
# res = session.query(User).filter(~User.id.in_([1,3,4])).all()

# 二次筛选
# res = session.query(User).filter(~User.id.in_(session.query(User.id).filter_by(name='lqz099'))).all()

# and or条件
from sqlalchemy import and_, or_

# or_包裹的都是or条件，and_包裹的都是and条件
# res = session.query(User).filter(and_(User.id >= 3, User.name == 'lqz099')).all()  #  and条件
# res = session.query(User).filter(or_(User.id < 2, User.name == 'eric')).all()
# res = session.query(User).filter(
#     or_(
#         User.id < 2,
#         and_(User.name == 'lqz099', User.id > 3),
#         User.extra != ""
#     )).all()


# 通配符，以e开头，不以e开头
# res = session.query(User).filter(User.email.like('%@%')).all()
# res = session.query(User.id).filter(~User.name.like('e%'))

# 分页
# 一页2条，查第5页
# res = session.query(User)[2*5:2*5+2]

# 排序，根据name降序排列（从大到小）
# res = session.query(User).order_by(User.email.desc()).all()
# res = session.query(Book).order_by(Book.price.desc()).all()
# res = session.query(Book).order_by(Book.price.asc()).all()
# 第一个条件重复后，再按第二个条件升序排
# ret = session.query(User).order_by(User.name.desc(), User.id.asc()).all()

# 分组查询
from sqlalchemy.sql import func

# ret = session.query(User).group_by(User.extra).all()
# 分组之后取最大id，id之和，最小id
# res = session.query(
#     func.max(User.id),
#     func.sum(User.id),
#     func.min(User.id)).group_by(User.extra).all()
# print(res)
# for item in res:
#     print(item[2])

# having
# ret = session.query(
#     func.max(User.id),
#     func.sum(User.id),
#     func.min(User.id)).group_by(User.extra).having(func.max(User.id) > 2).all()


# 链表操作
# select * from person,hobby where person.hobby_id=hobby.id;
# res = session.query(Person, Hobby).filter(Person.hobby_id == Hobby.id).all()
# join表，默认是inner join,自动按外键关联
# select * from Person inner Hobby on Person.hobby_id=Hobby.id;
# res = session.query(Person).join(Hobby).all()
# #isouter=True 外连，表示Person left join Favor，没有右连接，反过来即可
# select * from Person left Hobby on Person.hobby_id=Hobby.id;
# res = session.query(Person).join(Hobby, isouter=True).all()
# # 自己指定on条件（连表条件）,第二个参数，支持on多个条件，用and_,同上
# res = session.query(Person).join(Hobby, Person.id == Hobby.id, isouter=True) #  sql本身有问题，只是给你讲， 自己指定链接字段
# 右链接
# res = session.query(Hobby).join(Person, isouter=True)



# 组合（了解）UNION 操作符用于合并两个或多个 SELECT 语句的结果集
# union和union all的区别？
# q1 = session.query(User).filter(User.id > 40)
# q2 = session.query(User).filter(User.id > 38)
# res = q1.union(q2).all()
#
# q1 = session.query(User.email).filter(User.id > 40)
# q2 = session.query(User.email).filter(User.id > 38)
# res = q1.union_all(q2).all()
#
# print(len(res))


# 一对多，基于链表跨表查（__链表）
#方式一：直接连
res = session.query(Person, Hobby).filter(Person.hobby_id == Hobby.id,Hobby.id>=2).all()
# 方式二：join连
res = session.query(Person).join(Hobby).filter(Person.id>=2).all()

# 多对多关系，基于链表的跨表查
#方式一：直接连
res = session.query(Boy, Girl,Boy2Girl).filter(Boy.id == Boy2Girl.boy_id,Girl.id == Boy2Girl.girl_id).all()
# 方式二：join连
res = session.query(Boy).join(Boy2Girl).join(Girl).filter(Person.id>=2).all()


session.commit()
session.close()

原生sql

from sqlalchemy import create_engine
from sqlalchemy.orm import sessionmaker
from models import Boy, Girl, Boy2Girl, Hobby, Book, User, Person
from sqlalchemy.orm import scoped_session
from sqlalchemy.sql import text

engine = create_engine("mysql+pymysql://root:123@127.0.0.1:3306/aaa", max_overflow=0, pool_size=5)
Session = sessionmaker(bind=engine)
session = scoped_session(Session)

# 查询
cursor = session.execute('select * from users')
result = cursor.fetchall()

# 添加
# cursor = session.execute('insert into users(name) values(:value)',params={"value":'lqz'})
# session.commit()
# print(cursor.lastrowid)
# print(result)

session.commit()
session.close()
from sqlalchemy import create_engine
from sqlalchemy.orm import sessionmaker
from models import Boy, Girl, Boy2Girl, Hobby, Book, User, Person
from sqlalchemy.orm import scoped_session
from sqlalchemy.sql import text

engine = create_engine("mysql+pymysql://root:123@127.0.0.1:3306/aaa", max_overflow=0, pool_size=5)
Session = sessionmaker(bind=engine)
session = scoped_session(Session)

# 查询
cursor = session.execute('select * from users')
result = cursor.fetchall()

# 添加
# cursor = session.execute('insert into users(name) values(:value)',params={"value":'lqz'})
# session.commit()
# print(cursor.lastrowid)
# print(result)

session.commit()
session.close()

十、flask-sqlalchemy使用和flask-migrate使用

flask中使用sqlalchemy，直接使用

flask中使用sqlalchemy，直接使用

导入 from flask_sqlalchemy import SQLAlchemy
实例化得到对象
- db = SQLAlchemy()
将db注册到app中
- db.init_app(app)
视图函数中使用session
- 全局的db.session # 线程安全的
models.py 中继承Base
- db.Base
写字段
- username = db.Column(db.String(80), unique=True, nullable=False)

十一、flask-migrate

# python manage.py makemigrations  # 记录变化
# python manage.py migrate         #把变化同步到数据库

# 使用步骤：
	1 导入
    from flask_script import Manager
	from flask_migrate import Migrate, MigrateCommand
    2 注册
    manager = Manager(app)
	# 使用flask_migrate的Migrate  包裹一下app和db（sqlalchemy对象）
	Migrate(app, db)
	3 给flask_script增加一个db命令
	# 把命令增加到flask-script中去
	manager.add_command('db', MigrateCommand)
    4 出现3条命令
    python manage.py db init  # 只执行一次，做初始化操作，以后再也不执行了，多出一个migrations文件夹
    python manage.py db migrate #等同于django 的makemigrations
    python manage.py db upgrade #等同于django 的migrate

posted @ 2022-12-15 21:56 初学者-11 阅读(54) 评论(0) 编辑收藏举报

刷新页面返回顶部

初学者_