使用过Django框架的同学一定记得它与数据库进行交互的ORM系统印象深刻吧，操作数据库就像是在操作一个一个类一样，接口友好，操作便捷。但是那仅仅是在Django框架中的工具，那我们脱离了Django后还想继续这种操作咋办？别慌，今天分享一个ORM框架 SQLAlchemy

什么是ORM框架

简单来说，就是可以帮我们把python这种面向对象的语言翻译成SQL命令，也就是说我们可以借助它来使用python语句操作数据库，而不用去编写又臭又长的SQL语句，并且！它可以帮助我们实现不改代码的前提下更换数据库，因为它会根据不同的数据库来自动翻译成相应的SQL语句。

听上去是不是很爽？

安装SQLAlchemy

作为一个python库，怎么安装大家心里应该已经差不多懂了吧(疯狂暗示)~

命令：pip install SQLAlchemy

基础使用示例

因为我使用PostgreSQL比较多，这里就拿它来当例子，当然，在ORM眼里，更换数据库只不过是把一开始连接数据库那块改改就可以，后边的都统一的。

创建连接以及初始化

from sqlalchemy import Column, create_engine
from sqlalchemy.types import CHAR, Integer, String, Text
from sqlalchemy.orm import scoped_session, sessionmaker
from sqlalchemy.ext.declarative import declarative_base

# 建立连接
database_type = 'postgresql'  # 数据库类型
database_connector = 'psycopg2'  # 数据库连接器
database_user = 'root'  # 用户名
database_passwd = 'lp990324'  # 密码
database_addr = '0.0.0.0'  # 数据库地址
database_select = 'bankdata'  # 要连接的数据库名字

connect_info = '{}+{}://{}:{}@{}/{}'.format(
    database_type,
    database_connector,
    database_user,
    database_passwd,
    database_addr,
    database_select
)
engine = create_engine(connect_info)
DBsession = sessionmaker(bind=engine)
db = scoped_session(DBsession)
session = DBsession()

# 创建基类
Base = declarative_base()

稍微解释一下，第一块引入了一堆东西，它们在下边都会用到，所以可以用到时候再理解是干啥的。

第二块上边部分是一些连接数据库信息，其中database_connector一项是数据库连接器，使用前需要在当前环境安装(pip大法好)；中间就是拼接连接信息，然后把拼接好的连接信息传入到create_engine方法中来获取一个引擎对象，由engine来接管，通过sessionmaker方法来获取一个session，由DBsession来接管；下边两行分别是用来进行两种类型操作使用的，其中db接管的是用来直接执行SQL语句的，比较底层的方法，session接管的是我们希望使用的ORM方法。

第三块就创建了一个基类，这个基类可以类比于Django的模型文件里声明表的时候，每个表对象需要继承的models.Model父类是一个道理，这里的Base也是用来给表对象进行继承的。

创建表以及插入数据

# 声明表
class BankUser(Base):
    __tablename__ = 'bankuser'
    
    id = Column(Integer, primary_key=True)
    name = Column(String(32))
    age = Column(Integer)
    
    # 类似于Django的__str__方法
    def __repr__(self):
        return 'name:{} age:{}'.format(self.name, self.age)

# 创建表
# Base.metadata.create_all(engine)
Base.metadata.bind = engine
Base.metadata.create_all()

# 插入两条数据
new_user_1 = BankUser(id=1, name='吕鹏', age=21)
new_user_2 = BankUser(id=2, name='康通', age=20)
session.add(new_user_1)
session.add(new_user_2)
session.commit()

看到第一块，接触过Django的同学是不是感觉很亲切😂，这里给不知道Django的同学解释下，__tablename__就是字面意思表的名字啦，中间是添加了三个数据项id、name、age，使用Column方法来进行添加，第一个参数是数据类型，都是之前引入过的，Integer是整数型，String就是字符串，给32是说这个字段最长32字节，等价于SQL里的VARCHAR(32)，下图给出创建好的数据库表结构：

DataGrip查看的表结构

第一块最后__repr__方法就等价于Django的__str__，当直接输出这个表的一个实例(一条此表数据)时候会输出的字符串。

第二块代码是用来创建第一块声明的表的，如果表在数据库中已存在，将不会覆盖，所以执行它的时候不用虚，执行就完了。

第三块代码是插入了两条测试数据，一条是我，一条是我一个室友～但愿我俩年龄就此定格😂嘻嘻嘻～ 通过session的add方法来加入事务，最后记得一定要commit事务才会被提交，操作才会生效哦。

查询数据

正片开始～

传统方法

# 传统传入SQL语句查询法
command = 'select * from bankuser'
lines = db.execute(command).fetchall()
for line in lines:
    print(line)

结果：

(1, '吕鹏', 21)
(2, '康通', 20)

之前说的db的作用，可以执行SQL语句，使用fetchall方法来获取所有查询结果。

简单查询

# 查询所有
lines = session.query(BankUser).all()
for line in lines:
    print(line.name, line.age)
    print(line)  # 格式根据声明表的时候__repr__方法return来的

结果：

吕鹏 21
name:吕鹏 age:21
康通 20
name:康通 age:20

# 查询第一个
session.query(BankUser).first()

结果：

name:吕鹏 age:21

带条件查询

接下来我截图吧😂复制代码块好痛苦啊，而且展示效果也不是很好，我实验是在Jupyter Notebook做的，我稍微偷个懒～

带条件查询

like in_ and_ or_ 四个特殊查询方法，只有 filter 能用

like in_ and_ or_ 四个特殊查询方法，只有 filter 能用

排序、限制、统计

排序、限制、统计

结语

以上基本操作我觉得已经足够应付日常大部分场景了，我也是接触SQLAlchemy不久，以后有更高级的操作我也会继续更新的～