【Python】使用SQLAlchemy操作Mysql数据库

一、SQLAlchemy 介绍

SQLAlchemy是Python的SQL工具包和对象关系映射（ORM）库，它提供了全套的企业级持久性模型，用于高效、灵活且优雅地与关系型数据库进行交互。使用SQLAlchemy，你可以通过Python类来定义数据库表的结构，并通过这些类与数据库进行交互，而无需编写复杂的SQL语句。

以下是SQLAlchemy的一些主要特点和功能：

ORM（对象关系映射）：SQLAlchemy允许你使用Python类来定义数据库表，并将这些类映射到数据库中的实际表。这使得你可以使用Python代码来创建、查询、更新和删除数据库记录，而无需编写大量的SQL代码。
灵活的查询系统：SQLAlchemy提供了一个强大而灵活的查询系统，允许你构建复杂的查询语句，包括连接、子查询、聚合函数等。你可以使用Python的语法和逻辑来构建这些查询，而无需直接编写SQL。
事务管理：SQLAlchemy支持事务管理，允许你在一组数据库操作中执行提交、回滚等操作，以确保数据的完整性和一致性。
模式/表结构反射：SQLAlchemy可以读取数据库中的表结构，并将其转换为Python的模型代码。这对于理解和操作现有的数据库结构非常有用。
可连接池：SQLAlchemy提供了一个连接池功能，可以管理和复用数据库连接，以提高性能和资源利用率。
广泛的数据库支持：SQLAlchemy支持多种关系型数据库，如MySQL、PostgreSQL、SQLite、Oracle等。你可以轻松地在不同的数据库之间迁移和切换。

二、使用步骤（示例）

以下是一个使用SQLAlchemy连接到MySQL数据库并进行基本操作的例子：

1. 安装所需的库

首先，确保你已经安装了SQLAlchemy和MySQL的Python驱动。你可以使用pip来安装它们：

pip install sqlalchemy pymysql

2. 连接到MySQL数据库

from sqlalchemy import create_engine

# 替换为你的MySQL数据库信息
username = 'your_mysql_username'
password = 'your_mysql_password'
host = 'your_mysql_host'  # 例如：'localhost' 或 '127.0.0.1'
port = 'your_mysql_port'  # 通常是 3306
database = 'your_database_name'

# 创建连接引擎
engine = create_engine(f'mysql+pymysql://{username}:{password}@{host}:{port}/{database}')

3. 定义模型

接下来，我们定义一个模型来表示我们想要在数据库中存储的数据。

from sqlalchemy import Column, Integer, String
from sqlalchemy.ext.declarative import declarative_base

Base = declarative_base()

class User(Base):
    __tablename__ = 'users'
    id = Column(Integer, primary_key=True)
    name = Column(String)
    email = Column(String)

4. 创建表

在数据库中创建表。

Base.metadata.create_all(engine)

5. 添加数据

from sqlalchemy.orm import sessionmaker

# 创建会话
Session = sessionmaker(bind=engine)
session = Session()

# 添加新用户
new_user = User(name='John Doe', email='john.doe@example.com')
session.add(new_user)
session.commit()

# 关闭会话
session.close()

6. 查询数据

session = Session()

# 查询所有用户
users = session.query(User).all()
for user in users:
    print(f"User ID: {user.id}, Name: {user.name}, Email: {user.email}")

# 关闭会话
session.close()

请确保在运行代码之前，你已经正确配置了MySQL服务器，并且替换了上述代码中的数据库连接信息（用户名、密码、主机、端口和数据库名）。

这个例子展示了如何使用SQLAlchemy连接到MySQL数据库，定义模型，创建表，添加数据，以及查询数据。在实际应用中，你可能还需要处理更复杂的情况，比如关系、继承、事务管理等。SQLAlchemy提供了丰富的功能来满足这些需求。

三、结合事务使用（示例）

首先，确保你已经按照前面的示例设置好了SQLAlchemy和MySQL的连接。

1. 定义模型

我们继续使用前面的User模型。

from sqlalchemy import Column, Integer, String
from sqlalchemy.ext.declarative import declarative_base

Base = declarative_base()

class User(Base):
    __tablename__ = 'users'
    id = Column(Integer, primary_key=True, autoincrement=True)
    name = Column(String)
    email = Column(String)

2. 初始化数据库连接和会话

from sqlalchemy import create_engine
from sqlalchemy.orm import sessionmaker

# 连接到MySQL数据库（请替换为你的数据库信息）
engine = create_engine('mysql+pymysql://user:password@localhost/dbname')
Session = sessionmaker(bind=engine)
session = Session()

3. 使用事务添加用户

现在，我们将在一个事务中添加用户。如果添加过程中发生任何错误，我们将回滚事务，确保数据库的一致性。

try:
    # 开始一个新的事务
    session.begin()
    
    # 创建新用户对象
    user1 = User(name='Alice', email='alice@example.com')
    user2 = User(name='Bob', email='bob@example.com')
    
    # 添加到会话中
    session.add(user1)
    session.add(user2)
    
    # 提交事务，将所有更改保存到数据库
    session.commit()
    print("Users added successfully.")
except Exception as e:
    # 如果在添加用户过程中发生错误，则回滚事务
    session.rollback()
    print(f"An error occurred: {e}")
finally:
    # 关闭会话
    session.close()

在这个示例中，我们使用session.begin()显式地开始了一个新的事务。然后，我们尝试添加两个新用户到会话中。如果在这个过程中没有发生任何错误，我们使用session.commit()提交事务，将所有更改保存到数据库中。但是，如果在添加用户的过程中发生了任何异常（例如，由于重复的电子邮件地址或数据库连接问题），我们将使用session.rollback()回滚事务，确保数据库的一致性。

请注意，为了简化示例，这里没有包含详细的错误处理和验证逻辑。在实际应用中，你应该根据具体需求添加适当的错误处理和验证。

四、复杂查询条件（示例）

以下是一些使用SQLAlchemy进行复杂查询的示例：

示例1：连接查询（Join）

假设我们有两个模型，User 和 Order，并且一个用户可以有多个订单。

from sqlalchemy import Column, Integer, String, ForeignKey
from sqlalchemy.ext.declarative import declarative_base
from sqlalchemy.orm import relationship

Base = declarative_base()

class User(Base):
    __tablename__ = 'users'
    id = Column(Integer, primary_key=True)
    name = Column(String)
    orders = relationship("Order", back_populates="user")

class Order(Base):
    __tablename__ = 'orders'
    id = Column(Integer, primary_key=True)
    user_id = Column(Integer, ForeignKey('users.id'))
    product = Column(String)
    quantity = Column(Integer)
    user = relationship("User", back_populates="orders")

现在，如果我们想要查询所有下过订单的用户及其订单信息，我们可以进行连接查询：

from sqlalchemy.orm import joinedload

# 加载所有用户的订单信息
users_with_orders = session.query(User).options(joinedload(User.orders)).all()
for user in users_with_orders:
    print(f"User: {user.name}")
    for order in user.orders:
        print(f"  Order: {order.product}, Quantity: {order.quantity}")

示例2：分组和聚合（Grouping and Aggregation）

假设我们想要统计每个用户下的订单总数。

from sqlalchemy import func

# 按用户分组，并计算每个用户的订单数量
order_count_by_user = session.query(User.id, User.name, func.count(Order.id).label('order_count')).\
    join(Order).group_by(User.id, User.name).all()
for user_id, user_name, order_count in order_count_by_user:
    print(f"User ID: {user_id}, Name: {user_name}, Order Count: {order_count}")

示例3：子查询（Subquery）

如果我们想要找出订单数量超过平均订单数量的用户，我们可以使用子查询。

from sqlalchemy import func, select

# 计算平均订单数量作为子查询
avg_order_quantity = select([func.avg(Order.quantity).label('avg_quantity')]).select_from(Order).alias()

# 查询订单数量超过平均值的用户及其订单信息
users_above_avg = session.query(User, Order.product, Order.quantity).\
    join(Order).filter(Order.quantity > avg_order_quantity.c.avg_quantity).all()
for user, product, quantity in users_above_avg:
    print(f"User: {user.name}, Product: {product}, Quantity: {quantity}")

示例4：复杂筛选条件（Complex Filtering）

假设我们想要找到名字以“A”开头的用户，并且他们的订单中包含“apple”这个产品。

# 查询名字以“A”开头的用户，且订单中包含“apple”产品的用户信息
users_with_apple = session.query(User).join(Order).\
    filter(User.name.startswith('A')).\
    filter(Order.product.contains('apple')).\
    distinct().all()  # 使用distinct()确保结果中的用户不重复
for user in users_with_apple:
    print(f"User: {user.name}")