SQLAlchemy技术文档（中文版）-下
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了SQLAlchemy技术文档（中文版）-下，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含7651字，纯文字阅读大概需要11分钟。
内容图文
是时候考虑怎样映射和查询一个和Users表关联的第二张表了。假设我们系统的用户可以存储任意数量的email地址。我们需要定义一个新表Address与User相关联。
from sqlalchemyimport ForeignKey from sqlalchemy.orm import relationship, backref class Address(Base): __tablename__ = ‘addresses‘ id= Column(Integer, primary_key=True) email_address = Column(String, nullable=False) user_id = Column(Integer, ForeignKey(‘users.id‘)) user = relationship("User", backref=backref(‘addresses‘,order_by=id)) def __repr__(self): return"<Address(email_address=‘%s‘)>"%self.email_address
构造类和外键简单，就不过多赘述。主要说明以下relationship()函数：这个函数告诉ORM，Address类应该和User类连接起来，通过使用addresses.user。relationship()使用外键明确这两张表的关系。决定Adderess.user属性是多对一的。relationship()的子函数backref()提供表达反向关系的细节：relationship()对象的集合被User.address引用。多对一的反向关系总是一对多。更多的细节参考Basic RelRational Patterns。
这两个互补关系：Address.user和User.addresses被称为双向关系。这是SQLAlchemy ORM的一个非常关键的功能。更多关系backref的细节参见Linking Relationships with Backref。
假设声明的方法已经开始使用，relationship()中和其他类关联的参数可以通过strings指定。在上文的User类中，一旦所有映射成功，为了产生实际的参数，这些字符串会被当做Python的表达式。下面是一个在User类中创建双向联系的例子：
class User(Base): addresses = relationship("Address", order_by="Address.id", backref="user")
一些知识：
在大多数的外键约束（尽管不是所有的）关系数据库只能链接到一个主键列，或具有唯一约束的列。
外键约束如果是指向多个列的主键，并且它本身也具有多列，这种被称为“复合外键”。
外键列可以自动更新自己来相应它所引用的行或者列。这被称为级联，是一种建立在关系数据库的功能。
外键可以参考自己的表格。这种被称为“自引”外键。
我们需要在数据库中创建一个addresses表，所以我们会创建另一个元数据，这将会跳过已经创建的表。
11.操作主外键关联的对象
现在我们已经在User类中创建了一个空的addresser集合，可变集合类型，例如set和dict，都可以用，但是默认的集合类型是list。
jack = User(name=‘jack‘, fullname=‘Jack Bean‘, password=‘gjffdd‘) jack.addresses []
现在可以直接在User对象中添加Address对象。只需要指定一个完整的列表：
jack.addresses = [Address(email_address=‘jack@google.com‘),Address(email_address=‘j25@yahoo.com‘)]
当使用双向关系时，元素在一个类中被添加后便会自动在另一个类中添加。这种行为发生在Python的更改事件属性中而不是用SQL语句：
>>> jack.addresses[1] <Address(email_address=‘j25@yahoo.com‘)> >>> jack.addresses[1].user <User(name=‘jack‘, fullname=‘Jack Bean‘, password=‘gjffdd‘)>
把jack提交到数据库中，再次查询Jack，（No SQL is yet issued for Jack’s addresses:）这句实在是翻译不了了，看看代码就明白是什么意思：
>>> jack = session.query(User).... filter_by(name=‘jack‘).one() >>> jack <User(name=‘jack‘,fullname=‘Jack Bean‘, password=‘gjffdd‘)> >>>jack.addresses [<Address(email_address=‘jack@google.com‘)>, <Address(email_address=‘j25@yahoo.com‘)>]
当我们访问uaddresses集合时，SQL会被突然执行，这是一个延迟加载（lazy loading）关系的典型例子。现在addresses集合加载完成并且可以像对待普通列表一样对其进行操作。以后我们会优化这种加载方式。
12.使用JOINS查询
现在我们有了两张表，可以进行更多的查询操作，特别是怎样对两张表同时进行查询，Wikipediapage on SQL JOIN提供了很详细的说明，其中一些我们将在这里说明。之前用Query.filter()时，我们已经用过JOIN了，
filter是一种简单的隐式join：
>>>for u, a in session.query(User, Address).filter(User.id==Address.user_id).filter(Address.email_address==‘jack@google.com‘).all(): print u print a <User(name=‘jack‘,fullname=‘JackBean‘, password=‘gjffdd‘)> <Address(email_address=‘jack@google.com‘)>
用Query.join()方法会更加简单：
>>>session.query(User).join(Address).... filter(Address.email_address==‘jack@google.com‘).... all() [<User(name=‘jack‘,fullname=‘JackBean‘, password=‘gjffdd‘)>]
之所以Query.join()知道怎么join两张表是因为它们之间只有一个外键。如果两张表中没有外键或者有一个以上的外键，当下列几种形式使用的时候，Query.join()可以表现的更好：
query.join(Address,User.id==Address.user_id)# 明确的条件 query.join(User.addresses)# 指定从左到右的关系 query.join(Address,User.addresses) #同样，有明确的目标 query.join(‘addresses‘) # 同样，使用字符串 outerjoin()和join()用法相同 query.outerjoin(User.addresses)# LEFT OUTER JOIN
12.1使用别名
当在多个表中查询时，如果同一张表需要被引用好几次，SQL通常要求对这个表起一个别名，因此，SQL可以区分对这个表进行的其他操作。Query也支持别名的操作。下面我们joinAddress实体两次，找到同时拥有两个不同email的用户：
>>>from sqlalchemy.ormimport aliased >>>adalias1 = aliased(Address) >>>adalias2 = aliased(Address) >>>for username, email1, email2 in... session.query(User.name,adalias1.email_address,adalias2.email_address).... join(adalias1, User.addresses).... join(adalias2, User.addresses).... filter(adalias1.email_address==‘jack@google.com‘).... filter(adalias2.email_address==‘j25@yahoo.com‘): ... print username, email1, email2 jack jack@google.com j25@yahoo.com
12.1使用子查询（暂时理解不了啊，多看代码研究吧：(）
from sqlalchemy.sqlimport func stmt = session.query(Address.user_id,func.count(‘*‘).... label(‘address_count‘)).... group_by(Address.user_id).subquery() >>> for u, count in session.query(User,stmt.c.address_count).... outerjoin(stmt, User.id==stmt.c.user_id).order_by(User.id): print u, count <User(name=‘ed‘,fullname=‘EdJones‘, password=‘f8s7ccs‘)> None <User(name=‘wendy‘,fullname=‘Wendy Williams‘, password=‘foobar‘)> None <User(name=‘mary‘,fullname=‘Mary Contrary‘, password=‘xxg527‘)> None <User(name=‘fred‘,fullname=‘Fred Flinstone‘, password=‘blah‘)> None <User(name=‘jack‘,fullname=‘Jack Bean‘, password=‘gjffdd‘)> 2
12.2从子查询中选择实体？
上面的代码中我们只返回了包含子查询的一个列的结果。如果想要子查询映射到一个实体的话，使用aliased()设置一个要映射类的子查询别名：
>>>
stmt = session.query(Address).\
...
filter(Address.email_address!= ‘j25@yahoo.com‘).\
...
subquery()
>>>
adalias = aliased(Address, stmt)
#？为什么有两个参数？
>>>
for user, address in session.query(User, adalias).\
...
join(adalias, User.addresses):
...
print user
...
print address
<User(name=‘jack‘,fullname=‘Jack Bean‘, password=‘gjffdd‘)>
<Address(email_address=‘jack@google.com‘)>
12.3使用EXISTS（存在？）
如果表达式返回任何行，EXISTS为真，这是一个布尔值。它可以用在jions中，也可以用来定位在一个关系表中没有相应行的情况：
>>>from sqlalchemy.sqlimport exists >>> stmt = exists().where(Address.user_id==User.id) >>>for name, in session.query(User.name).filter(stmt): print name jack
等价于：
>>>for name, in session.query(User.name).... filter(User.addresses.any()): ... print name jack
any()限制行匹配：
>>>for name, in session.query(User.name).... filter(User.addresses.any(Address.email_address.like(‘%google%‘))): ... print name jack
has()和any()一样在应对多对一关系的情况下（注意“～“意味着”NOT”）
>>> session.query(Address).... filter(~Address.user.has(User.name==‘jack‘)).all() []
12.4 常见的关系运算符
== ！= None 都是用在多对一中，而contains()用在一对多的集合中：
query.filter(Address.user == someuser)
query.filter(User.addresses.contains(someaddress))
Any()（用于集合中）：
query.filter(User.addresses.any(Address.email_address == ‘bar‘))#also takes keyword arguments: query.filter(User.addresses.any(email_address=‘bar‘))
has()（用在标量？不在集合中）：
query.filter(Address.user.has(name=‘ed‘))
Query.with_parent()（所有关系都适用）：
session.query(Address).with_parent(someuser,‘addresses‘)
SQLAlchemy技术文档（中文版）-下
标签：ddr parent orm order sts nta pass 自己 加载完成
本文系统来源：http://www.cnblogs.com/benjamin77/p/7912767.html
内容总结
以上是互联网集市为您收集整理的SQLAlchemy技术文档（中文版）-下全部内容，希望文章能够帮你解决SQLAlchemy技术文档（中文版）-下所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。
内容备注
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 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。