前言
使用数据库一个高效的操作是连表查询，一条查询语句能够查询到多个表的数据。在sqlalchem架构下的数据库连表查询更是十分方便。那么如何连表查询？以及数据库外键对连表查询有没有帮助呢？本篇文章就这两个问题简单解释。
建表
俗话说巧妇难为无米之炊，连表查询肯定要有表，有数据库啊。那有没有数据库是你见了垂涎三尺的呢？中国文化博大精深，饮食文化更是璀璨的明珠。我们就以中国菜系为话题，讲一讲好吃的，顺便再说一说外键和连表查询。
鲁菜 山东菜系，而且在明清两代，宫廷御膳是以鲁菜为主，鲁菜味道浓厚，喜欢葱蒜，以海鲜、汤菜和内脏为主。因为鲁菜对其他菜系的影响颇大，所以鲁菜为八大菜系之首。代表：糖醋鲤鱼
川菜 四川菜系，以成都和重庆两地菜系为主，特点是酸、甜、麻、辣、香，川菜中有五大名菜：回锅肉、水煮肉片、麻婆豆腐、宫保鸡丁、鱼香肉丝。川菜太好吃了，名菜超多。
苏菜 江苏地方风味菜,由扬州、南京、苏州三地的地方菜发展而成，是宫廷第二大菜系，今天国宴仍以苏菜为主。其中扬州菜亦称淮扬菜，因受本地自然资源影响，菜色四季有别，讲究配色以及烹饪技巧。代表作：盐水鸭，松鼠桂鱼
粤菜。就是广东菜系，在国外的中国菜馆是以粤菜为主的。粤菜分为潮汕风味、广府风味以及客家风味，又以广府风味为代表。广东地域物产丰富且新鲜，而且讲究季节性。选材要在食物的最佳的时节，做法追求食材的原汁原味，不像川菜那样破坏了食材原来的鲜味。代表作：白斩鸡
那么就以上面提到的信息来建两张表。
food表：
| 菜系 | 地区 |
| 鲁菜 | 山东 |
| 川菜 | 成都 |
| 苏菜 | 南京 |
| 粤菜 | 珠三角 |
famous表：
| 菜系 | 代表 |
| 鲁菜 | 糖醋鲤鱼 |
| 川菜 | 鱼香肉丝、宫保鸡丁、水煮肉片 |
| 苏菜 | 松鼠桂鱼、盐水鸭 |
| 粤菜 | 白斩鸡 |
不带外键的两张表：
model.py
#coding:utf-8from sqlalchemy import create_engine from sqlalchemy.ext.declarative import declarative_base from sqlalchemy import Column,Integer,String,DATE,ForeignKey,CHAR #导入外键 from sqlalchemy.orm import relationship #创建关系 engine = create_engine("mysql+mysqldb://root:12345678@localhost:3306/test?charset=utf8",encoding="utf-8")Base = declarative_base() #生成orm基类class Food(Base):__tablename__ = "food"name = Column(CHAR(20),primary_key = True)location = Column(CHAR(20))def __repr__(self):return "name:{0} location:{1}".format(self.name,self.location) class Famous(Base):__tablename__ = 'famous'id = Column(Integer,primary_key = True)food_name = Column(CHAR(20))famous_dish = Column(CHAR(20))def __repr__(self):return "id:{0} food_name:{1} famous_dish:{2}".format(self.id,self.food_name,self.famous_dish) Base.metadata.create_all(engine) #创建表
写入数据
写入数据：
#coding:utf-8from sqlalchemy.orm import sessionmaker from sqlalchemy.ext.declarative import declarative_base from sqlalchemy import create_engine,Column from model import Food,Famous
#中文在命令行中显示为16进制编码，所以用拼音代替，懂这个意思就行。 food = {u"lu":u"shandong",u"chuan":u"chengdu",u"su":u"nanjing",u"yue":u"zhusanjiao"}famous = [{u'lu':u'tangculiyu'},{u'chuan':u'yuxiangrousi'},{u'chuan':u'gongbaojiding'},{u'chuan':u'shuizhuroupian'},{u'su':u'songshuguiyu'},{u'su':u'yanshuiya'},{u'yue':u'baizhanji'}] engine = create_engine('mysql+mysqldb://root:12345678@localhost:3306/test?charset=utf8') DBSession = sessionmaker(bind=engine) session = DBSession()for key in food:new_food = Food(name=key,location=food[key]) session.add(new_food) session.commit()for dish in famous:new_famous = Famous(food_name=dish.keys()[0],famous_dish=dish.values()[0])session.add(new_famous) session.commit()session.close()
这里有一点值得注意一下，famous的外键是food_name字段，指向的是food表中主键name字段。并且这里的对应关系是1对多的。在famous表中的food_name字段重复出现了，但值只有4种。这里就是外键的特性之一：
外键对应主表的主键，外键值可以是空，可以多个对1个，但一定要在主表中主键的值里。
有关外键的具体内容可以参考前面一篇 sqlalchemy外键和relationship查询
查询
select.py
#coding:utf-8from sqlalchemy.orm import sessionmaker from sqlalchemy import create_engine from model import *#修改用户名、密码和数据库的名称为自己的 engine = create_engine("mysql+mysqldb://root:12345678@localhost:3306/test",) Session_class = sessionmaker(bind=engine) session = Session_class()query = session.query(Food).join(Famous).all()for x in query:print x
在没有外键关联的情况下对查询是有一定的影响的，没有外键关联的情况下，直接join连表，而不指明连表的字段就会报错，因为sqlalchemy连表查询没有外键自动关联两张表。
query = session.query(Food).join(Famous).all() 
这个时候就需要在使用join连表时指明两张表连接的字段。
query = session.query(Food,Famous).join(Famous,Famous.food_name==Food.name).all() 
带外键的表
因为不带外键的表查询时没有直接关联，所以下面使用带外键的表来看是否有优化？
#coding:utf-8from sqlalchemy import create_engine from sqlalchemy.ext.declarative import declarative_base from sqlalchemy import Column,Integer,String,DATE,ForeignKey,CHAR #导入外键 from sqlalchemy.orm import relationship #创建关系 engine = create_engine("mysql+mysqldb://root:12345678@localhost:3306/test?charset=utf8",encoding="utf-8")Base = declarative_base() #生成orm基类class Food(Base):__tablename__ = "food"name = Column(CHAR(20),primary_key = True)location = Column(CHAR(20))def __repr__(self):return "name:{0} location:{1}".format(self.name,self.location) class Famous(Base):__tablename__ = 'famous'id = Column(Integer,primary_key = True)food_name = Column(CHAR(20),ForeignKey('food.name'))food = relationship("Food",backref="dish_belong_food") famous_dish = Column(CHAR(20))def __repr__(self):return "id:{0} food_name:{1} famous_dish:{2}".format(self.id,self.food_name,self.famous_dish) Base.metadata.create_all(engine) #创建表
加了外键的famous表，从其建表的sql来看有一条外键记录，连接到food表中的name字段。
有外键关联的表，能够直接join表，sqlalchemy会自动用外键关联这两张表，这就是sqlalchemy对查询做出的优化。
query = session.query(Food,Famous).join(Famous).all() 
连表查询
数据库连表有很多中操作，有全连接，左连接，右连接。在这些连接方式中，最基础的是全连接，看一下全连接的威力。
query = session.query(Food,Famous).all() 
直接查询两张表，这时查询结果是返回被连接的两个表的笛卡尔积。将两张表看做是两个列表，全连接的方式类似如下的列表乘积。
在前面使用的join连接则是一种内连接。将两张表里相同的部分连接在一起，内连接的方式如下：
query = session.query(Food,Famous).join(Famous,Famous.food_name==Food.name).all() 
使用join的方式可以将多张表连在一起，不仅限于2张表，如果这里有还有一张介绍每一种美食的做法的一张表叫做Cook的话，将三种表连起来的写法：
query = session.query(Food,Famous,Cook).join(Famous,Famous.food_name==Food.name).join(Cook,Cook.famous_name==Famous.famous).all()
只要表与表之间有关联，那么就能用join的方式将表连接在一起，前提是一定要有字段是有关联的，如果连接两张毫无干系的表，那查询结果肯定是空。
在实际的使用过程中，将想要查询的表关联起来是第一步，还有一步也很重要，那就是过滤，筛选出我们需要的字段。而筛选在sqlalchemy中使用的是filter这个关键字。例如，想要筛选出所有苏菜里的好吃的，可以这么写：
query = session.query(Food,Famous).join(Famous,Famous.food_name==Food.name).filter(Food.name=='su').all() 
filter的作用就是从得到连表所有的数据里过滤出我们感兴趣的数据。filte之前，我们得到的数据是这样的：
而使用了filter之后，从上面的结果中将food表中name字段为'su'的数据过滤出来，便是如下的数据：
同时还可以多级过滤，可以在前面的基础上再次过滤。比如说，我就爱吃鸭子，我在南京的美食找一找有没有和鸭子有关的好吃的，写法如下：
query = session.query(Food,Famous).join(Famous,Famous.food_name==Food.name).filter(Food.name=='su').filter(Famous.famous_dish.like('%ya%')).all()
结果如下，真的找到一条记录，盐水鸭，这是南京人民的最爱啊,能把鸭子吃出花来，就像有人调侃说没有一只鸭子能走出南京！('-')
总结
所以总结一下在sqlalchemy中如何得心应手，随心所欲的过滤出自己想要的数据：
1.找到你想要查询的数据的表
2.看看你手里有什么数据
3.确定手里的数据和你要查询的数据之间有直接关系还是有间接关系
4.将有关联的表连接起来(join ，连接相关的表)
5.从得到的数据中过滤出里感兴趣的数据(filter 过滤出你需要的数据)
通用公式
query 负责你要查询的结果的字段信息
join 负责你的连表操作，可以有多个join
filetr 负责过滤你感兴趣的数据，或者符合条件的数据才能被query展示
看到这里可能有好奇宝宝会问，不是还有一个all吗？这是什么意思呢？这个就是sqlalchemy的关键字了，具体参考前面的sqlalchemy关键字使用篇 。
