程序在运行过程中所有的的数据都存储在内存 (RAM) 中，「RAM 是易失性存储器，系统掉电后 RAM 中的所有数据将全部丢失」。在大多数情况下我们希望程序运行中产生的数据能够长久的保存，此时我们就需要将数据保存到磁盘上，无论是保存到本地磁盘，还是通过网络保存到服务器上，最终都会将数据写入磁盘文件。将数据保存在磁盘中我们需要面对一个数据格式的问题，此时就需要引入数据库操作。
数据库是专门用于数据的集中存储和查询的软件，它便于程序保存和读取数据，且能够通过特定的条件查询指定的数据。
Python 的标准数据库接口为 Python DB-API，它为编程人员提供了完善的数据库应用标称接口。但是使用 Python DB-API 需要开发人员自行去拼接 SQL，并把 SQL 做成模板。此时全靠编程人员来保证系统的安全性，完全有人来保证系统的安全性，不可避免的会出现错误，为了减少人为原因产生的错误 ORM 框架应运而生。
ORM 即 Object-Relational Mapping，把关系数据库的表结构映射到对象上面。负责这个转换过程的就是 ORM 框架
Python 中的 ORM 框架主要有 SQLObject、Storm、Django's ORM、peewee、SQLALchemy。每种 ORM 框架都有各自的特点和相应的应用范围，本文主要介绍 SALALchemy，若你对其他框架感兴趣请自行搜索相关内容。
SQLAlchemy 简介
SQLAlchemy 是一个功能强大的开源 Python ORM 工具包。它提供了 “一个知名企业级的持久化模式的，专为高效率和高性能的数据库访问设计的，改编成一个简单的 Python 域语言的完整套件”。它采用了数据映射模式（像 Java 中的 Hibernate）而不是 Active Record 模式（像Ruby on Rails 的 ORM）。
SQLAlchemy官网。
SQLAlchemy 的优缺点：
优点：
- 企业级 API，使得代码有健壮性和适应性。
- 灵活的设计，使得能轻松完成复杂的数据查询。
缺点：
- 工作单元概念不常见。
- 重量级 API，导致长学习曲线。
SQLAlchemy 应用
以下是一段使用 SQLAlchemy 操作 SQLite 数据库的代码
# -*- coding:utf-8 -*-
from sqlalchemy import (
create_engine,
Column,
Integer,
String,
)
from sqlalchemy.ext.declarative import declarative_base
from sqlalchemy.orm import sessionmaker
engine = create_engine('sqlite:///./sqlalchemy.sqlite', echo=True)
Base = declarative_base()
class User(Base):
__tablename__ = 'users'
id = Column(Integer, primary_key=True, autoincrement=True)
name = Column(String)
fullname = Column(String)
nickname = Column(String)
def __repr__(self):
return "<User(name='%s', fullname='%s', nickname='%s')>" % (self.name, self.fullname, self.nickname)
db_session = sessionmaker(bind=engine)
session = db_session()
Base.metadata.create_all(engine)
user1 = User(name='ed', fullname='Ed Jones', nickname='edsnickname')
user2 = User(name='wendy', fullname='Wendy Williams', nickname='windy')
user3 = User(name='mary', fullname='Mary Contrary', nickname='mary')
session.add(user1)
session.add(user2)
session.add(user3)
session.commit()
user = session.query(User).filter(User.id<2).all()
print(user)
user = session.query(User).filter(User.id<=5).all()
print(user)
user1.name = 'admin'
session.merge(user1)
user4 = User(name='fred', fullname='Fred Flintstone', nickname='freddy')
session.merge(user4)
session.query(User).filter(User.id==2).update({'name':'test'})
user = session.query(User).filter(User.id<=5).all()
print(user)
在以上代码中我们完成了一下工作：
- 连接到数据库「本次我们使用的是 SQLite 数据库」。
- 创建数据库表并将其映射到 Python 类上。
- 创建数据实例，并将其保存到数据库中。
- 对保存在数据库中的数据进行读取和修改。
导入 SQLAlchemy 模块并连接到 SQLite 数据库
SQLAlchemy 通过 create_engine 函数来创建数据库连接。create_engine 函数的第一个参数是数据了 URL，第二个参数 echo 设置为 True 表示在程序的运行过程中我们可以在控制台看到操作所涉及到的 SQL 语句。
在本次示例中我们使用的数据库是 SQLite，你也可以使用其他数据库。只有在调试状态下将 echo 设置为 True，在生产环境请将 echo 设置为 false 或省略 echo 参数。
engine = create_engine('sqlite:///./sqlalchemy.sqlite', echo=True)
create_engine 返回的是一个 Engine 实例，它指向数据库的一些核心接口。SQLAlchemy会根据你选择的数据库配置而调用对应的 DB-API。
create_engine 函数并会不真正建立数据库的 DB-API 连接，当调用 Engine.execute() 或 Engine.connect() 方法时才会建立连接。大多数情况下我们无需关注 Engine，SQLAlchemy 会帮我们处理。
创建数据库表
将 python 类映射到数据库表上，这个 Python 类需要时一个指定基类的子类，这个基类应当含有ORM映射中相关的类和表的信息。这个基类可以通过 declarative_base 方法来创建。
Base = declarative_base()
在这个示例中使用 Base 基类创建了一个 User 的类来作为数据库表。
class User(Base):
__tablename__ = 'users'
id = Column(Integer, primary_key=True, autoincrement=True)
name = Column(String)
fullname = Column(String)
nickname = Column(String)
def __repr__(self):
return "<User(name='%s', fullname='%s', nickname='%s')>" % (self.name, self.fullname, self.nickname)
在 User 类中我们定义了需要映射到数据库表上的属性，主要包括表名称、列的类型和名称等。这个类至少应包含一个名为 tablename 的属性来给出数据库表的名称，及至少一个给出表的主键「primary key」的列。在 User 类中我们定义了表名称为 users，定义了 id、name、fullname、nickname 四列数据，并设置 id 为表的主键。
创建完成 User 类后，实际在 SQLite 数据库中并不存在该表，此时需要使用 declarative 基类的 Metadata.create_all 在数据库中创建 users 表，在 create_all 方法中我们需要传入参数 Engine。
通过 Metadata.create_all 传入的 Engine 参数，SQLAlchemy 自动实现对数据库的连接。
Base.metadata.create_all(engine)
metadata.create_all 方法执行完成后在 SQLite 数据库即可查到名称为 users 的数据表。
保存数据实例到数据库中
将数据保存到数据库中，我们需要 User 的实例和用于操作数据的 session。
session 是 ORM 数据的接口，可以通过 session 来操作数据库中的数据。
使用已经定义完成的 User 类将数据实例化。
user1 = User(name='ed', fullname='Ed Jones', nickname='edsnickname') user2 = User(name='wendy', fullname='Wendy Williams', nickname='windy') user3 = User(name='mary', fullname='Mary Contrary', nickname='mary')
获取 session 首先需要使用 sessionmaker 来得到 session 的工厂类，然后通过工厂类来获取 session。
db_session = sessionmaker(bind=engine) session = db_session()
session 通过 Engine 与数据库进行关联。session 创建完成后并不会立即打开与数据库的连接，只有当我们第一使用 session 是，才会从 Engine 维护的连接池中取出一个连接来操作数据库，这个连接在我们关闭 session 时会被释放。
获取 session 后可以通过 add 和 commit 方法将数据保存到数据库中。
session.add(user1) session.add(user2) session.add(user3) session.commit()
对数据库中的数据进行查询和修改
SQLAlchemy 通过 query 来对数据进行查询，可以通过 filter 方法对查询结果进行筛选。
user = session.query(User).filter(User.id<2).all() print(user) user = session.query(User).filter(User.id<=5).all() print(user)
以上代码通过 query 获取数据库中所有 User 数据，然后通过 filter 方法筛选出 id 小于 2 和 id 小于等于 5 的数据。
数据库的修改可以通过 merge 和 update 来实现
user1.name = 'admin'
session.merge(user1)
user4 = User(name='fred', fullname='Fred Flintstone', nickname='freddy')
session.merge(user4)
session.query(User).filter(User.id==2).update({'name':'test'})
user = session.query(User).filter(User.id<=5).all()
print(user)
使用 merge 修改数据，当数据中存在该数据时修改，不存在是将当前数据插入数据库中。
代码运行结果
以上示例代码的运行结果如下
2019-02-16 21:45:23,919 INFO sqlalchemy.engine.base.Engine SELECT CAST('test plain returns' AS VARCHAR(60)) AS anon_1
2019-02-16 21:45:23,919 INFO sqlalchemy.engine.base.Engine ()
2019-02-16 21:45:23,919 INFO sqlalchemy.engine.base.Engine SELECT CAST('test unicode returns' AS VARCHAR(60)) AS anon_1
2019-02-16 21:45:23,919 INFO sqlalchemy.engine.base.Engine ()
2019-02-16 21:45:23,920 INFO sqlalchemy.engine.base.Engine PRAGMA table_info("users")
2019-02-16 21:45:23,920 INFO sqlalchemy.engine.base.Engine ()
2019-02-16 21:45:23,921 INFO sqlalchemy.engine.base.Engine
CREATE TABLE users (
id INTEGER NOT NULL,
name VARCHAR,
fullname VARCHAR,
nickname VARCHAR,
PRIMARY KEY (id)
)
2019-02-16 21:45:23,921 INFO sqlalchemy.engine.base.Engine ()
2019-02-16 21:45:23,922 INFO sqlalchemy.engine.base.Engine COMMIT
2019-02-16 21:45:23,924 INFO sqlalchemy.engine.base.Engine BEGIN (implicit)
2019-02-16 21:45:23,925 INFO sqlalchemy.engine.base.Engine INSERT INTO users (name, fullname, nickname) VALUES ("htmlcode">
engine = create_engine('sqlite:///./sqlalchemy.sqlite')
此时的执行结果如下：
[<User(name='ed', fullname='Ed Jones', nickname='edsnickname')>]
[<User(name='ed', fullname='Ed Jones', nickname='edsnickname')>, <User(name='wendy', fullname='Wendy Williams', nickname='windy')>, <User(name='mary', fullname='Mary Contrary', nickname='mary')>]
[<User(name='admin', fullname='Ed Jones', nickname='edsnickname')>, <User(name='test', fullname='Wendy Williams', nickname='windy')>, <User(name='mary', fullname='Mary Contrary', nickname='mary')>, <User(name='fred', fullname='Fred Flintstone', nickname='freddy')>]
当取消 echo 后，程序运行结果中原有的 SQL 语句消失。
本文只是对 SQLAlchemy 的使用进行简单的介绍，SQLAlchemy 本身还有很多特性和运用方法我们可以共同探讨。
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。
免责声明：本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除！
这一波大模型产业落地浪潮里，不少企业其实处在 “干瞪眼“的状态。
一种情况是，很多大模型产品看得见却摸不着，在台上一个个遥遥领先——今天Sora技精四座，明天英伟达的机器人又赢得满堂彩，可是到了台下一问：啥时候能用上啊？答曰：遥遥无期。
另一种情况是，企业想用上大模型，却又难免瞻前顾后——既要考虑场景融合，又得兼顾安全性，还要考虑打通现有系统，再加上各种部署成本和繁琐的采购流程……最后只能拂袖：罢了，再等等吧。
稳了！魔兽国服回归的3条重磅消息！官宣时间再确认！
昨天有一位朋友在大神群里分享，自己亚服账号被封号之后居然弹出了国服的封号信息对话框。
这里面让他访问的是一个国服的战网网址，com.cn和后面的zh都非常明白地表明这就是国服战网。
而他在复制这个网址并且进行登录之后，确实是网易的网址，也就是我们熟悉的停服之后国服发布的暴雪游戏产品运营到期开放退款的说明。这是一件比较奇怪的事情，因为以前都没有出现这样的情况，现在突然提示跳转到国服战网的网址，是不是说明了简体中文客户端已经开始进行更新了呢？
更新日志
- 凤飞飞《我们的主题曲》飞跃制作[正版原抓WAV+CUE]
- 刘嘉亮《亮情歌2》[WAV+CUE][1G]
- 红馆40·谭咏麟《歌者恋歌浓情30年演唱会》3CD[低速原抓WAV+CUE][1.8G]
- 刘纬武《睡眠宝宝竖琴童谣 吉卜力工作室 白噪音安抚》[320K/MP3][193.25MB]
- 【轻音乐】曼托凡尼乐团《精选辑》2CD.1998[FLAC+CUE整轨]
- 邝美云《心中有爱》1989年香港DMIJP版1MTO东芝首版[WAV+CUE]
- 群星《情叹-发烧女声DSD》天籁女声发烧碟[WAV+CUE]
- 刘纬武《睡眠宝宝竖琴童谣 吉卜力工作室 白噪音安抚》[FLAC/分轨][748.03MB]
- 理想混蛋《Origin Sessions》[320K/MP3][37.47MB]
- 公馆青少年《我其实一点都不酷》[320K/MP3][78.78MB]
- 群星《情叹-发烧男声DSD》最值得珍藏的完美男声[WAV+CUE]
- 群星《国韵飘香·贵妃醉酒HQCD黑胶王》2CD[WAV]
- 卫兰《DAUGHTER》【低速原抓WAV+CUE】
- 公馆青少年《我其实一点都不酷》[FLAC/分轨][398.22MB]
- ZWEI《迟暮的花 (Explicit)》[320K/MP3][57.16MB]