上一篇我们说了mysql存储的原生语句方式，因为原生语句每次写都比较的复杂，所以这里我们说一种引用实体类的方式来操作数据库。
什么是ORM
ORM技术：Object-Relational Mapping，把关系数据库的表结构映射到对象上
也就是说不用再操作mysql的底层语句，而是通过操作映射后的对象。
安装与导入Sqlalchemy包
安装需要
pip install sqlalchemy
另外这里用了pymysql作为引擎，所以还要运行
pip install pymysql
导入需要的包
from sqlalchemy import (create_engine,MetaData)
from sqlalchemy.orm import sessionmaker
from sqlalchemy.ext.declarative import declarative_base
创建一个engine
链接形式:'数据库类型+数据库驱动名称://用户名:口令@机器地址:端口号/数据库名'
#basic.py
connect_str= "mysql+pymysql://root:@localhost:3306/test?charset=ut8mb4"
engine = create_engine(connect_str,echo=True)
Base=declarative_base()#生成一个SqlORM 基类
Session=sessionmaker(bind=eng,expire_on_commit=False)#bind绑定,创建与数据库的会话session class
db_session=Session()
metadata=MetaData(engine )# 绑定元信息
__all__ = ['eng', 'Base', 'db_session', 'metadata']#返回提供给后面程序用
create_engine()用来初始化数据库连接
echo=True对打印出原始的sql语句。默认Flase
当我们使用ORM的时候，其配置过程主要分为两个部分：一是描述我们要处理的数据库表的信息，二是将我们的Python类映射到这些表上。这两个过程在SQLAlchemy中是一起完成的，我们将这个过程称之为Declarative
使用Declarative参与ORM映射的类需要被定义成为一个指定基类的子类，这个基类应当含有ORM映射中相关的类和表的信息。这样的基类我们称之为declarative base class。在我们的应用中，我们一般只需要一个这样的基类。这个基类我们可以通过declarative_base来创建，
创建表结构
#tables.py
#-*- coding=utf-8 -*-
from sqlalchemy import (
Table, Column, INTEGER, String, Text,DateTime,BIGINT,CHAR,DECIMAL)
from .basic import metadata
import datetime
dl_item=Table("test",metadata,
Column("id",BIGINT,primary_key=True,autoincrement=True),
Column("name",String(30)),
Column("hobby",String(45)),
Column("date",DateTime),
)
创建模型映射
#model.py
# -*- coding=utf-8 -*-
from dbs.basic import Base
from dbs.tables import *
class LoginInfo(Base):
__table__=test#填写表名
1.从Base派生一个名为LoginInfo的类，在这个类里面我们可以定义将要映射到数据库的表上的属性（主要是表的名字，列的类型和名称等）.
2.类至少应该包含一个名为tablename的属性来给出目标表的名称，以及至少一个Column来给出表的主键(Primary Key)
查询操作
list = db_session.query(LoginInfo).filter_by(name="zs",hobby="music")
.filter(LoginInfo.id.in_([1,2,3,4,5])).order_by(LoginInfo.id).all()
for item in list:
print(item.__dict__) #通过循环,然后获取对象的所有属性方法。
filter_by不支持使用mysql中的in 操作，所有使用filter，但是要注意的是使用filter查询的时候，需要对象.属性进行字段的操作。
下面是关于filter的更多方法:
等于
query.filter(LoginInfo.name == 'zs')#等于
不等于
query.filter(LoginInfo.name != 'zs')#不等于
LIKE
query.filter(LoginInfo.name.like('%an%'))#like语句
IN
query.filter(LoginInfo.name.in_(['zs', 'ls', 'ww']))#in语句
或者类似的使用子查询
query.filter(User.name.in_(
session.query(LoginInfo.name).filter(LoginInfo.name.like('%an%'))
))
NOT IN
query.filter(~LoginInfo.name.in_(['zs', 'ls', 'ww']))#not in
IS NULL
query.filter(LoginInfo.name == None)#is null
或
query.filter(LoginInfo.name.is_(None))
IS NOT NULL
query.filter(LoginInfo.name != None)#IS NOT NULL:
或者
query.filter(LoginInfo.name.isnot(None))
AND
from sqlalchemy import and_
query.filter(and_(LoginInfo.name == 'zs', LoginInfo.hobby == 'music'))
或者
query.filter(LoginInfo.name == 'zs', LoginInfo.hobby == 'music')
或者连续使用filter
query.filter(LoginInfo.name == 'zs').filter(LoginInfo.hobby == 'music')
OR
from sqlalchemy import or_
query.filter(or_(LoginInfo.name == 'zs', LoginInfo.name == 'ls'))
MATCH:
query.filter(LoginInfo.name.match('zhangsan'))
Session的query函数会返回一个Query对象,
all():返回一个对象列表循环之后直接获取对象属性即可。
first():返回至多一个结果，而且以单项形式，而不是只有一个元素的tuple形式返回这个结果.
one():返回且仅返回一个查询结果。当结果的数量不足一个或者多于一个时会报错。
嵌入使用SQL
你可以在Query中通过text()使用SQL语句。例如：
from sqlalchemy import text
for user in session.query(User).filter(text("id<224")).order_by(text("id")).all():
print(user.name)
除了上面这种直接将参数写进字符串的方式外，你还可以通过params()方法来传递参数
session.query(User).filter(text("id<:value and name=:name")).
params(value=224, name='fred').order_by(User.id).one()
输出
<User(name='fred', fullname='Fred Flinstone', password='blah')>
并且，你可以直接使用完整的SQL语句，但是要注意将表名和列明写正确。
session.query(User).from_statement(
text("SELECT * FROM users where name=:name")).
params(name='ed').all()
输出
[<User(name='ed', fullname='Ed Jones', password='f8s7ccs')>]
该部分内容来自网络。
计数
Query定义了一个很方便的计数函数count()
session.query(User).filter(User.name.like('%ed')).count()
等价于
SELECT count(*) AS count_1
FROM (SELECT users.id AS users_id,
users.name AS users_name,
users.fullname AS users_fullname,
users.password AS users_password
FROM users
WHERE users.name LIKE ?) AS anon_1
('%ed',)
注意上面我们同时列出了实际的SQL指令。在SQLAlchemy中，我们总是将被计数的查询打包成一个子查询，然后对这个子查询进行计数。即便是最简单的SELECT count(*) FROM table，也会如此处理。为了更精细的控制计数过程，我们可以采用func.count()这个函数。
from sqlalchemy import func
session.query(func.count(User.name), User.name).group_by(User.name).all()
等价于
session.query(func.count(User.name), User.name).group_by(User.name).all()
SELECT count(users.name) AS count_1, users.name AS users_name
FROM users GROUP BY users.name
为了实现最简单的SELECT count(*) FROM table，我们可以如下调用
session.query(func.count('*')).select_from(User).scalar()
等价于
SELECT count(?) AS count_1
FROM users
('*',)
如果我们对User的主键进行计数，那么select_from也可以省略。
session.query(func.count(User.id)).scalar()
等价于
SELECT count(users.id) AS count_1
FROM users
该部分内容来自网络。
后续。。。。