Python简单ORM实现:不使用元类的灵活数据操作与查询构建【第29篇—python:ORM】

本文主要是介绍Python简单ORM实现:不使用元类的灵活数据操作与查询构建【第29篇—python:ORM】,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

文章目录

  • 不使用元类的简单ORM实现
    • Field类
    • Compare类
    • Model类
    • Query类
    • 示例使用
    • 扩展查询功能
      • 支持 LIMIT 和 OFFSET
      • 支持 GROUP BY 和 HAVING
    • 示例用法
    • 总结

不使用元类的简单ORM实现

在 Python 中,ORM(Object-Relational Mapping)是一种将对象和数据库之间的映射关系进行转换的技术,使得通过面向对象的方式来操作数据库更加方便。通常,我们使用元类(metaclass)来实现ORM,但是本文将介绍一种不使用元类的简单ORM实现方式。

Field类

首先,我们定义一个Field类,用于表示数据库表中的字段。这个类包含字段的名称和类型等信息,并且支持一些比较操作,以便后续构建查询条件。

class Field:def __init__(self, **kwargs):self.name = kwargs.get('name')self.column_type = kwargs.get('column_type')def __eq__(self, other):return Compare(self, '=', other)# 其他比较操作略...

Compare类

为了构建查询条件,我们引入了一个Compare类,用于表示字段之间的比较关系。它可以支持链式操作,构建复杂的查询条件。

class Compare:def __init__(self, left: Field, operation: str, right: Any):self.condition = f'`{left.name}` {operation} "{right}"'def __or__(self, other: "Compare"):self.condition = f'({self.condition}) OR ({other.condition})'return selfdef __and__(self, other: "Compare"):self.condition = f'({self.condition}) AND ({other.condition})'return self

Model类

接下来,我们定义Model类,表示数据库中的表。该类通过Field类的实例来定义表的字段,并提供了插入数据的方法。

class Model:def __init__(self, **kwargs):_meta = self.get_class_meta()for k, v in kwargs.items():if k in _meta:self.__dict__[k] = v@classmethoddef get_class_meta(cls) -> Dict:if hasattr(cls, '_meta'):return cls.__dict__['_meta']_meta = {}for k, v in cls.__dict__.items():if isinstance(v, Field):if v.name is None:v.name = kname = v.name_meta[k] = (name, v)table = cls.__dict__.get('__table__')table = cls.__name__ if table is None else table_meta['__table__'] = tablesetattr(cls, '_meta', _meta)return _metadef insert(self):_meta = self.get_class_meta()column_li = []val_li = []for k, v in self.__dict__.items():field_tuple = _meta.get(k)if field_tuple:column, field = field_tuplecolumn_li.append(column)val = str(v) if field.column_type == 'INT' else f'"{str(v)}"'val_li.append(val)sql = f'INSERT INTO {_meta["__table__"]} ({",".join(column_li)}) VALUES ({",".join(val_li)});'print(sql)

Query类

最后,我们实现了Query类,用于构建数据库查询。这个类支持链式调用,可以设置查询条件、排序等。

class Query:def __init__(self, cls: Model):self._model = clsself._order_columns = Noneself._desc = ''self._meta = self._model.get_class_meta()self._compare = Noneself.sql = ''def _get(self) -> str:sql = ''if self._compare:sql += f' WHERE {self._compare.condition}'if self._order_columns:sql += f' ORDER BY {self._order_columns}'sql += f' {self._desc}'return sqldef get(self, *args: Field) -> List[Model]:sql = self._get()table = self._meta['__table__']column_li = []if len(args) > 0:for field in args:column_li.append(f'`{field.name}`')else:for v in self._meta.values():if type(v) == tuple and isinstance(v[1], Field):column_li.append(f'`{v[0]}`')columns = ",".join(column_li)sql = f'SELECT {columns} FROM {table} {sql}'self.sql = sqlprint(self.sql)def order_by(self, columns: Union[List, str], desc: bool = False) -> "Query":if isinstance(columns, str):self._order_columns = f'`{columns}`'elif isinstance(columns, list):self._order_columns = ','.join([f'`{x}`' for x in columns])self._desc = 'DESC' if desc else ''return selfdef where(self, compare: "Compare") -> "Query":self._compare = comparereturn self

示例使用

在这里插入图片描述

现在,我们可以定义一个模型类,并使用这个简单的ORM实现进行数据操作。

class User(Model):name = Field()age = Field()# 插入数据
user = User(name='Tom', age=24)
user.insert()# 构建查询条件并查询数据
User.query().where((User.name == 'Tom') & (User.age >= 20)).order_by('age').get()

这样,我们就完成了一个不使用元类的简单ORM实现。尽管相较于使用元类的方式,代码结构更为简单,但在实际应用中,根据项目需求和团队的约定,选择合适的实现方式是很重要的。
我们已经介绍了一个基于 Python 的简单 ORM 实现,它不依赖于元类。在这一部分,我们将继续探讨这个实现,深入了解查询构建和更复杂的用法。

扩展查询功能

我们的查询功能还比较简单,为了更好地支持复杂查询,我们可以添加更多的查询方法和条件。

支持 LIMIT 和 OFFSET

class Query:# ...def limit(self, num: int) -> "Query":self.sql += f' LIMIT {num}'return selfdef offset(self, num: int) -> "Query":self.sql += f' OFFSET {num}'return self

支持 GROUP BY 和 HAVING

class Query:# ...def group_by(self, columns: Union[List, str]) -> "Query":if isinstance(columns, str):columns = [columns]self.sql += f' GROUP BY {",".join([f"`{x}`" for x in columns])}'return selfdef having(self, condition: Compare) -> "Query":self.sql += f' HAVING {condition.condition}'return self

示例用法

class User(Model):name = Field()age = Field()# 插入数据
user = User(name='Tom', age=24)
user.insert()# 构建查询条件并查询数据
query = User.query().where((User.name == 'Tom') & (User.age >= 20)).order_by('age').limit(1).offset(0)
query.get(User.name, User.age)  # 仅查询指定字段# 更复杂的查询
query = User.query().group_by('age').having((User.age > 20) & (User.age < 30)).order_by('age').limit(10).offset(0)
query.get(User.age, User.count(User.name))  # 查询年龄在20到30之间的用户数量

通过引入额外的查询功能,我们使得这个简单的 ORM 实现更加强大和灵活。

总结

在这个系列的文章中,我们通过不使用元类的方式,实现了一个简单的 Python ORM。我们定义了 Field 类表示数据库字段,Model 类表示数据库表,以及 Query 类用于构建和执行查询。通过这个实现,我们可以方便地进行数据操作,构建灵活的查询条件,而不需要深入理解元类的概念。

然而,这个简单的 ORM 仍然有一些局限性,例如不支持复杂的表关联等功能。在实际项目中,选择使用元类的 ORM 实现或其他成熟的 ORM 框架取决于项目的需求和团队的技术选型。希望这个实现能够为你提供一种不同的思路,促使更多的思考和探讨。
在这里插入图片描述

这篇关于Python简单ORM实现:不使用元类的灵活数据操作与查询构建【第29篇—python:ORM】的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/612321

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

中文分词jieba库的使用与实景应用(一)

知识星球:https://articles.zsxq.com/id_fxvgc803qmr2.html 目录 一.定义: 精确模式(默认模式): 全模式: 搜索引擎模式: paddle 模式(基于深度学习的分词模式): 二 自定义词典 三.文本解析   调整词出现的频率 四. 关键词提取 A. 基于TF-IDF算法的关键词提取 B. 基于TextRank算法的关键词提取

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

Hadoop数据压缩使用介绍

一、压缩原则 (1)运算密集型的Job,少用压缩 (2)IO密集型的Job,多用压缩 二、压缩算法比较 三、压缩位置选择 四、压缩参数配置 1)为了支持多种压缩/解压缩算法,Hadoop引入了编码/解码器 2)要在Hadoop中启用压缩,可以配置如下参数

Makefile简明使用教程

文章目录 规则makefile文件的基本语法:加在命令前的特殊符号:.PHONY伪目标: Makefilev1 直观写法v2 加上中间过程v3 伪目标v4 变量 make 选项-f-n-C Make 是一种流行的构建工具,常用于将源代码转换成可执行文件或者其他形式的输出文件(如库文件、文档等)。Make 可以自动化地执行编译、链接等一系列操作。 规则 makefile文件