数据库，顾名思义是储存数据的仓库，常见的管理数据库的软件被称为数据库管理系统（DBMS, Database Management System）, 常见的DBMS有 MySQL、PostgreSQL、SQLite、MongoDB。这些常见的DBMS我们可以把他们理解为专门负责搬运数据的管理的数据的程序。
什么是ORM?
对象关系映射（英语：(Object Relational Mapping，简称ORM，或O/RM，或O/R mapping），是一种程序技术，用于实现面向对象编程语言里不同类型系统的数据之间的转换 。 ORM是“对象-关系-映射”的简称。在web应用开发中ORM把底层的SQL数据实体转化成高层的Python对象。只需要通过Python代码即可完成数据库操作。
为什么要有ORM?
在web应用里使用原生的SQL语句操作数据库固然能达到处理储存数据的需求，但是会存在以下三类问题：
- 手动编写SQL语句比较复杂耗时（当然因人而异，如果热衷于原生sql，并不影响开发），并且视图函数中写大量SQL语句会降低代码的易读性。
- 比较容易出现安全问题，如SQL注入。
- 对于不同的DBMS，需要使用不同的Python接口库，语法各不相同，很难有标准化的代码流程。
使用ORM可以很大程度上解决这些问题，在python中，ORM把底层的SQL数据实体转化成高层的Python对象。这样的好处是，你甚至不需要了解SQL，只需要操作Python对象的即可完成数据库操作。
使用ORM的优势:
- 提升开发效率。从高层对象转换成原生SQL会牺牲一些性能，但这微不足道的性能牺牲换取的是巨大开发效率提升。
- 可移植性好。它实现了数据库模型与DEMS的解耦，即数据模型的设计不需要依赖于特定的数据库，通过简单的配置就可以轻松更换数据库。通常一个orm支持很多的DEMS，如1MySQL、PostgreSQL、Oracle、SQLite等，这极大的减轻了开发人员的工作量，不需要面对因数据库变更而导致的无效劳动。
如何在Flask应用ORM?
选择ORM框架时，在Flask中更推荐使用Flask的扩展组件Flask-SQLchemy 。Python实现的ORM有SQLAlchemy、Peewee、PonyORM等，其中SQLAlchemy是Python社区使用最广泛的ORM之一，Flask-SQLchemy正是基于SQLchemy。
链接数据库:
首先切入到虚拟环境 ，安装我们的 Flask-SQLchemy
pip install flask-sqlalchemy
pip install pymysql
这里DBMS以mysql数据库为例， 连接数据库
实例
from flask import Flask
from flask_sqlalchemy import SQLAlchemy
app = Flask(__name__)
HOST = '127.0.0.1'
PORT = '3306'
DATABASE_NAME = '01_db'
USERNAME = 'root'
PASSWORD = 'root'
DB_URI = f"mysql+pymysql://{USERNAME}:{PASSWORD}@{HOST}:{PORT}/{DATABASE_NAME}?charset=utf8mb4"
app.config['SQLALCHEMY_DATABASE_URI'] = DB_URI
app.config['SQLALCHEMY_TRACK_MODIFICATIONS']= False
db = SQLAlchemy(app)
解读：
- 从
flask_sqlalchemy模块中导入SQLAlchemy类
from flask_sqlalchemy import SQLAlchemy
-
app对象通过变量
SQLALCHEMY_DATABASE_URI加载配置好的URI(统一资源标识符)，URI内包含了各种用于连接数据库的信息，指向一个具体的库。常用数据库的URI格式
HOST = '127.0.0.1' # ip
PORT = '3306' # 端口
USERNAME = 'root' # 数据库账号
PASSWORD = 'root' # 密码
DATABASE_NAME = '01_db' # 具体的一个库名
DB_URI = f"mysql+pymysql://{USERNAME}:{PASSWORD}@{HOST}:{PORT}/{DATABASE_NAME}?charset=utf8mb4"
app.config['SQLALCHEMY_DATABASE_URI'] = DB_URI
SQLALCHEMY_TRACK_MODIFICATIONS这个配置变量决定是否追踪对象的修改，这用于FLask- SQLALchemy的事件通知系统。这个配置键默认值为None，如果没有特殊需要我们把它设置为Flase, 避免造成一些没必要的性能浪费。
app.config['SQLALCHEMY_TRACK_MODIFICATIONS']= False
SQLAlchemy类传入app类，引用app配置定位到具体的数据库，并且实例化出db对象，这个db对象代表我们的数据库，并且通过这个对象操作我们的ORM
db = SQLAlchemy(app)
数据库模型
什么是数据库模型?
继承了db.Model的python类，并且这个python类映射到数据库为一个表，这个python类称之为数据库模型。每个数据库模型都对应着数据库中的一个表。
数据库模型实例:
class UserInfo(db.Model):
__tablename__ = 'user_info'
id = db.Column(db.Integer,primary_key=True,autoincrement=True)
username = db.Column(db.String(20),nullable=False)
-
__tablename__可以直接指定表名（推荐使用）。如果没有写
__tablename__指定表名，此类名可以自动转化为表名（不推荐使用）。
- 类名自动转化表名的方式为
User-->user# 单个单词转换为小写
UserInfo-->user_info# 多个单词转换为小写并使用下划线分隔 - 如UserInfo类在没有
__tablename__指定表名时候，UserInfo类会自动映射到数据库的表名为user_info。
- 类名自动转化表名的方式为
-
db.Column类实例化表示字段（表示数据库中的列），该类实例化出的对象被一个变量接受，该变量表示字段名。该类实例化时传入的参数表示字段的约束。
- 如：
id = db.Column(db.Integer,primary_key=True,autoincrement=True)表示该表内id字段为主键并且自动增长。
- 如：
常用的字段类型表
| 字段 | 说明 | 映射到数据库对应类型 |
|---|---|---|
| Integer | 整数 | int类型 |
| String | 字符串，String类内可选择length参数的值用于设置最大字符个数 |
varchar类型 |
| Text | 用于储存较长的Unicode文本，,理论上可以储存65535个字节 | text类型 |
| Date | 日期，存储Python的datetime.date 对象 |
date类型 |
| Time | 时间，存储Python的datetime.time 对象 |
time类型 |
| DateTime | 时间和日期，存储Python 的datetime 对象 |
datetime类型 |
| Float | 浮点类型 | float类型 |
| Double | 双精度浮点类型，比浮点类型小数位精度更高。 | double类型，占据64位。 |
| Boolean | 布尔值 | tinyint类型 |
| Enum | 枚举类型 | enum类型 |
Column常用参数表:
| 约束 | 说明 |
|---|---|
| primary_key | 如果设为True，该列就是表的主键 |
| unique | 如果设为True，该列每个值唯一，也就是该字段不允许出现重复值 |
| index | 如果设为True，为这列创建索引，用于提升查询效率 |
| nullable | 如果设为True，这列允许使用空值，反之则不允许使用空值。 |
| server_default | 为这列定义默认值, 默认值只支持字符串，其他类型需要db.text()方法指定 |
| default | 为这列定义默认值，但是该约束并不会真正映射到表结构中，该约束只会在ORM层面实现(不推荐使用) |
| comment | 该字段的注释 |
| name | 可以使用该参数直接指定字段名 |
| autoincrement | 设置这个字段为自动增长的。 |
server_default常用配置
| 配置默认值类型 | 代码 |
|---|---|
| 更新datatime时间 | server_default = db.text("CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP") |
| 当前的datatime时间 | server_default = db.text("CURRENT_TIMESTAMP") |
| 数字 | server_default=“数字” |
| 布尔 | server_default=db.text('True') / server_default=db.text('False')/ server_default='数字' |
将写好的模型映射到数据库
class UserInfo(db.Model):
__tablename__ = 'user_info'
id = db.Column(db.Integer,primary_key=True,autoincrement=True)
username = db.Column(db.String(20),nullable=False)
db.create_all()
如果你已经定义好了一个继承db.Model的类，把这个类称之为模型。想把这个模型映射到数据库中，也就是在数据库中创建这个模型所描述的一张表，使用db.create_all()可以实现把继承了该db.model的所有模型创建到数据库中。查看数据库的时候会发现多了一张user_info表。
更新模型
如果要更新一个模型，并且想把这个新的模型映射到数据库中，直接使用db.create_all()会无效，因为原来已经存在了这张表，为了解决这个问题可以先db.drop_all()删除该库下的所有继承了db.model的模型表，然后再db.create_all()使得继承了db.model的所有模型表映射到数据库中，从而创建更新的表。这种方式的原理是先删除数据库中原来所有的模型表，然后在新建所有需要映射的模型表，这种方式的弊端是它把数据库中原有的数据都销毁了。
为了解决这种更新模型导致删除掉原来的数据的弊端。下一章介绍一种更好的方式用于更新数据库。
数据库操作
增
模型表 映射到数据中
class User(db.Model):
user_id = db.Column(db.Integer, primary_key=True)
user_name = db.Column(db.String):
def __str__(self):
return "<School(name:{})>".format(self.name)
新增实例
user = User(user_name="某人")
db.session.add(user)
db.session.commit()
提示：数据库会话db.session和后面介绍的Flasksession对象没有关系。db.session是数据库会话也称为事务。
- 实例化模型类创建对象，该对象作为一条记录，实例化的过程传入的参数为字段内容。
- 把新创建的记录添加到数据库会话。
- 提交数据库会话
查
在flask中db.session出的对象调用query属性，可以通过query属性调用各种过滤方法完成查询。
模型类.<过滤方法>.<查询方法>
常用过滤器表：
| 过滤器 | 说明 |
|---|---|
| filter() | 使用指定的规则过滤记录相当于sql的where约束条件，返回一个新查询 |
| filter_by() | 同filter原理，不同的是查询的时要使用关键字参数，返回一个新查询 |
| limit() | 使用指定的值限制原查询返回的结果的数量，返回一个新查询 |
| offset() | 偏移原查询返回的结果，返回一个新查询 |
| order_by() | 根据指定条件对原查询结构进行排序，返回一个新查询 |
| group_by() | 根据指定条件对原来查询结构进行分组，返回一个新查询 |
改
修改人名
name = User.query.filter(User.uesr_name=='某人').first()
name.user_name = '**'
db.session.commit()
删
删除人名
name = User.query.filter(User.user_name=='**').first()
db.session.delete(name)
db.session.commit()
删除一条记录分为以下几步：
- 找到对应的记录对象
- 需要调用
delete()方法在会话中标识需要删除的记录，具体是把该记录对象传入db.session.delete(记录对象)实现标识。 - 调用
db.session.commit()提交会话。
原文链接：https://www.cnblogs.com/remixnameless/p/13288393.html
原文地址：https://www.cnblogs.com/fire-xi/p/13521209.html
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。