Python中数据库操作pymysql和 sqlalchemy

2024-05-16 06:12

本文主要是介绍Python中数据库操作pymysql和 sqlalchemy,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!

在python中操作mysql数据库,主要用到两个库,pymysql和 sqlalchemy。分别进行介绍

安装

安装没啥好说的,其实就是pip install就完事

pip install pymysql
pip install sqlalchemy

pymsql操作数据库

创建连接

以下语句省略了import语句,请自行import

要操作数据库,首先需要创建和数据库的连接,然后才能进程CRUD的操作。

# pymysql用connect方法进行连接
conn = pymysql.connect(host="192.168.32.11", port=3306,user="hellokitty", password="123123",database="hrs", charset="utf8mb4")

插入数据Create

no = int(input('部门编号: '))
name = input('部门名称: ')
location = input('部门所在地: ')
try:  # 2.获取游标对象with conn.cursor() as cursor:# 3.通过游标对象对数据库服务器发出sql语句affected_rows = cursor.execute(f"insert into `tb_dept` values (%s,%s,%s)",(no, name, location))if affected_rows == 1:print("新增部门成功")# 4.提交conn.commit()
except pymysql.MySQLError as err:# 4.回滚conn.rollback()print(type(err), err)
finally:# 5.关闭连接conn.close()

插入多组可以参考如下:

with conn.cursor() as cursor:affected_rows = cursor.executemany('insert into `tb_dept` values (%s, %s, %s)',[(no, name, location),(no1, name1, location1),(no2, name2, location2)])if affected_rows == 3:print('新增部门成功!!!')conn.commit()

删除delete

该例子中指定了一个参数:autocommit=True,这样SQL代码就会自动提交。实际环境中不建议这样做。

no = int(input("请输入部门编号:"))conn = pymysql.connect(host="192.168.32.11", port=3306,user="hellokitty", password="123123",database="hrs", charset="utf8mb4",autocommit=True)
try:with conn.cursor() as cursor:affected_rows = cursor.execute("delete from `tb_dept` where `dno`=%s",(no,))if affected_rows == 1:print("删除部门成功")
finally:conn.close()

更新update

no = int(input('部门编号: '))
name = input('部门名称: ')
location = input('部门所在地: ')try:with conn.cursor() as cursor:affected_rows = cursor.execute("update `tb_dept` set `dname`=%s, `dloc`=%s where `dno`=%s",(name, location, no))if affected_rows == 1:print("更新部门信息成功")conn.commit()
except pymysql.MySQLError as err:conn.rollback()print(type(err), err)
finally:conn.close()

查询数据

try:with conn.cursor() as cursor:affected_rows = cursor.execute("select `dno`,`dname`,`dloc` from `tb_dept`")row = cursor.fetchone()while row:print(row)row = cursor.fetchone()
except pymysql.MySQLError as err:conn.rollback()print(type(err), err)
finally:conn.close()

本例子中,使用while循环每次用fetchone获取一条数据然后打印。也提供了fetchall方法可以获取到所有的结果,但是不推荐这样做,因为在实际环境中这样对内存的压力很大。

默认拿到的是元组,如果希望拿到列表,需要在连接数据库时指定cursorclass=DictCursor

pymysql的缺陷

通过以上例子应该可以看出来,实际上pymysql操作数据库就是通过执行sql语句来的。通过拼接字符串的方式写好sql语句,然后交给pymysql执行。这种方式的缺点是显而易见的:

  1. sql语句比较长的时候很不方便
  2. 可能会有sql注入的危险
  3. 不太优雅

为了解决这些问题,可以使用sqlalchemy库

使用sqlalchemy库操作数据库

sqlalchemy创建数据库连接

首先用create_engine方法创建数据库引擎,然后再用connect方法连接。这里要稍微注意以下,第一个参数数据库的URI这里,不像pymysql直接输入就可以了,比如说pwd_alchemy = 'abc%401234’,这里实际密码是abc@1234,但不能直接输入@,需转换成%40。

from sqlalchemy import create_engine
# 创建连接
engine = create_engine(DB_URI,  # "mysql+pymysql://{USERNAME}:{pwd_alchemy}@{HOST}:{PORT}/{DATABASE}?charset=utf8mb4",echo=False,  # echo 设为 True 会打印出实际执行的 sql,调试的时候更方便future=True,  # 使用 SQLAlchemy 2.0 API,向后兼容pool_size=5,  # 连接池的大小默认为 5 个,设置为 0 时表示连接无限制pool_recycle=3600,  # 设置时间以限制数据库自动断开
)with engine.connect() as conn:......

执行sql语句

sqlalchemy也可以通过执行sql语句的方式操作数据库,这部分和pymysql区别不大。但是execute方法执行的sql语句,需要用sqlalchemy的text方法进行封装,这一点需要注意。

from sqlalchemy import textsql_text = "select * from tb_keys"
with engine.connect() as conn:result = conn.execute(text(sql_text))# 查询结果result类似生成器, 只能遍历一遍, 遍历第二遍时就是空数据# print(result.all())res = result.all()# result可以遍历,每一行是一个row对象,类似具名元祖(namedtuple),支持以下2种遍历方式
for row in res:print(row.keys_id, row.keys_name, row.keys_count)  # 通过字段名获取# print(row[0], row[1], row[2])  # 通过索引获取

顺便执行多条的语句,也很类似

# with engine.connect() as conn:
#     data = [{"keys_id": 11, "keys_name": 'test1', "keys_count": 1},
#             {"keys_id": 12, "keys_name": 'test2', "keys_count": 1}]
#     conn.execute(
#         text("INSERT INTO tb_keys (keys_id, keys_name, keys_count) VALUES (:keys_id, :keys_name, :keys_count)"),
#         data
#     )
#     # 手动commit
#     conn.commit()

声明式API

接下来重点说明一下sqlalchemy的声明式API。这就相当于直接创建一个Table对象,如下所示。

from sqlalchemy.orm import DeclarativeBase, Sessionclass Base(DeclarativeBase):"""DeclarativeBase无法直接使用,所以要先继承一个Base类"""passclass TableCount(Base):__tablename__ = "tb_keys"keys_id: Mapped[int] = mapped_column(Integer, primary_key=True)keys_name: Mapped[str] = mapped_column(String(30), index=True)keys_count: Mapped[int] = mapped_column(Integer)

我这张表结果很简单,表名是tb_keys,然后id,name,count3个字段,分别是主键、字符串和int类型。

用声明式api进行增删改查

然后是增删改查的例子:

from sqlalchemy import select, update# 用声明式API进行select查找,而不是直接执行sql语句
with Session(engine) as session:stmt = select(TableCount).where(TableCount.keys_count == 1).order_by(TableCount.keys_id)result = session.execute(stmt)# 一般情况下,当选取整个对象的时候,都要用 scalars 方法res2 = result.scalars()for row in res2:print(row.keys_id, row.keys_name, row.keys_count)print("*" * 40)# 查询单个属性,不需要用res3 = session.execute(select(TableCount.keys_name))for row in res3:print(row.keys_name)print("*" * 40)# 查询主键有一个快捷方式,以下查询id是7key_word = session.get(TableCount, 7)print(key_word.keys_name)# 更新数据使用updatestmt = update(TableCount).where(TableCount.keys_name == "护士").values(keys_name="护师").\execution_options(synchronize_session="fetch")session.execute(stmt)# 也可以直接修改值,比如上面获取到的key_word.keys_name = "Nurse"session.commit()# 注意,以下两种方式都能更新count值,但更推荐第二种做法。第一种方式可能会导致竞争更新,race condition(竞态条件# key_word.keys_count += 1key_word.keys_count = TableCount.keys_count + 1session.commit()# 新增# new_word = TableCount()# new_word.keys_count = 0# new_word.keys_name = "Alice"# session.add(new_word)# session.commit()# 删除, 用session.delete 删除,先获取到id,在get到该对象,然后用session.delete删除del_word = session.execute(select(TableCount.keys_id).where(TableCount.keys_name == 'Alice')).fetchone()del_word_id = del_word[0]del_word_obj = session.get(TableCount, del_word_id)session.delete(del_word_obj)session.commit()

完整代码请参考:https://github.com/h-kayotin/hanayo_hr/blob/master/hanayo_hr/db_sqlalchemy.py

这篇关于Python中数据库操作pymysql和 sqlalchemy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/994097

相关文章

Spring Security基于数据库验证流程详解

Spring Security 校验流程图 相关解释说明(认真看哦) AbstractAuthenticationProcessingFilter 抽象类 /*** 调用 #requiresAuthentication(HttpServletRequest, HttpServletResponse) 决定是否需要进行验证操作。* 如果需要验证,则会调用 #attemptAuthentica

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

MySQL数据库宕机,启动不起来,教你一招搞定!

作者介绍:老苏,10余年DBA工作运维经验,擅长Oracle、MySQL、PG、Mongodb数据库运维(如安装迁移,性能优化、故障应急处理等)公众号:老苏畅谈运维欢迎关注本人公众号,更多精彩与您分享。 MySQL数据库宕机,数据页损坏问题,启动不起来,该如何排查和解决,本文将为你说明具体的排查过程。 查看MySQL error日志 查看 MySQL error日志,排查哪个表(表空间

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

nudepy,一个有趣的 Python 库!

更多资料获取 📚 个人网站:ipengtao.com 大家好,今天为大家分享一个有趣的 Python 库 - nudepy。 Github地址:https://github.com/hhatto/nude.py 在图像处理和计算机视觉应用中,检测图像中的不适当内容(例如裸露图像)是一个重要的任务。nudepy 是一个基于 Python 的库,专门用于检测图像中的不适当内容。该

pip-tools:打造可重复、可控的 Python 开发环境,解决依赖关系,让代码更稳定

在 Python 开发中,管理依赖关系是一项繁琐且容易出错的任务。手动更新依赖版本、处理冲突、确保一致性等等,都可能让开发者感到头疼。而 pip-tools 为开发者提供了一套稳定可靠的解决方案。 什么是 pip-tools? pip-tools 是一组命令行工具,旨在简化 Python 依赖关系的管理,确保项目环境的稳定性和可重复性。它主要包含两个核心工具:pip-compile 和 pip

HTML提交表单给python

python 代码 from flask import Flask, request, render_template, redirect, url_forapp = Flask(__name__)@app.route('/')def form():# 渲染表单页面return render_template('./index.html')@app.route('/submit_form',

深入理解数据库的 4NF:多值依赖与消除数据异常

在数据库设计中, "范式" 是一个常常被提到的重要概念。许多初学者在学习数据库设计时,经常听到第一范式(1NF)、第二范式(2NF)、第三范式(3NF)以及 BCNF(Boyce-Codd范式)。这些范式都旨在通过消除数据冗余和异常来优化数据库结构。然而,当我们谈到 4NF(第四范式)时,事情变得更加复杂。本文将带你深入了解 多值依赖 和 4NF,帮助你在数据库设计中消除更高级别的异常。 什么是