orm即object relational mapper，可以简单理解为数据库表和python类之间的映射，通过操作python类，可以间接操作数据库。
python的orm框架比较出名的是sqlalchemy和peewee，这里不做比较，只是单纯讲解个人对sqlalchemy的一些使用，希望能给各位朋友带来帮助。
sqlalchemy版本: 1.3.15 pymysql版本: 0.9.3 mysql版本: 5.7初始化工作一般使用orm框架，都会有一些初始化工作，比如数据库连接，定义基础映射等。
以mysql为例，创建数据库连接只需要传入dsn字符串即可。其中echo表示是否输出对应的sql语句，对调试比较有帮助。
from sqlalchemy import create_engine engine = create_engine('mysql+pymysql://$user:$password@$host:$port/$db?charset=utf8mb4', echo=true)
个人设计对于我个人而言，引进orm框架时，我的项目会参考mvc模式做以下设计。其中model存储的是一些数据库模型，即数据库表映射的python类；model_op存储的是每个模型对应的操作，即增删查改；调用方（如main.py）执行数据库操作时，只需要调用model_op层，并不用关心model层，从而实现解耦。
├── main.py ├── model │ ├── __init__.py │ ├── base_model.py │ ├── ddl.sql │ └── py_orm_model.py └── model_op ├── __init__.py └── py_orm_model_op.py
映射声明(model介绍)举个栗子，如果我们有这样一张测试表。
create table py_orm ( `id` int(11) not null auto_increment comment '唯一id', `name` varchar(255) not null default '' comment '名称', `attr` json not null comment '属性', `ct` timestamp not null default current_timestamp comment '创建时间', `ut` timestamp not null default current_timestamp on update current_timestamp comment '更新时间', primary key(`id`) )engine=innodb comment '测试表';
在orm框架中，映射的结果就是下文这个python类。
# py_orm_model.py from .base_model import base from sqlalchemy import column, integer, string, timestamp, text, json class pyormmodel(base): __tablename__ = 'py_orm' id = column(integer, autoincrement=true, primary_key=true, comment='唯一id') name = column(string(255), nullable=false, default='', comment='名称') attr = column(json, nullable=false, comment='属性') ct = column(timestamp, nullable=false, server_default=text('current_timestamp'), comment='创建时间') ut = column(timestamp, nullable=false, server_default=text('current_timestamp on update current_timestamp'), comment='更新时间')
首先，我们可以看到pyormmodel继承了base类，该类是sqlalchemy提供的一个基类，会对我们声明的python类做一些检查，我将其放在base_model中。
# base_model.py # 一般base_model做的都是一些初始化的工作 from sqlalchemy import create_engine from sqlalchemy.ext.declarative import declarative_base base = declarative_base() engine = create_engine(mysql+pymysql://root:123456@127.0.0.1:33306/orm_test?charset=utf8mb4, echo=false)
其次，每个python类都必须包含__tablename__属性，不然无法找到对应的表。
第三，关于数据表的创建有两种方式，第一种当然是手动在mysql中创建，只要你的python类定义没有问题，就可以正常操作；第二种是通过orm框架创建，比如下面。
# main.py # 注意这里的导入路径，base创建表时会寻找继承它的子类，如果路径不对，则无法创建成功 from sqlachlemy_lab import base, engine if __name__ == '__main__': base.metadata.create_all(engine)
创建效果：
... 2020-04-04 10:12:53,974 info sqlalchemy.engine.base.engine create table py_orm ( id integer not null auto_increment, name varchar(255) not null default '' comment '名称', attr json not null comment '属性', ct timestamp not null default current_timestamp, ut timestamp not null default current_timestamp on update current_timestamp, primary key (id) )
第四，关于字段属性：
1.primary_key和autoincrement比较好理解，就是mysql的主键和递增属性。
2.如果是int类型，不需要指定长度，而如果是varchar类型，则必须指定。
3.nullable对应的就是mysql中的null 和 not null
4.关于default和server_default: default代表的是orm框架层面的默认值，即插入的时候如果该字段未赋值，则会使用我们定义的默认值；server_default代表的是数据库层面的默认值，即ddl语句中的default关键字。
session介绍在sqlalchemy的文档中提到，数据库的增删查改是通过session来执行的。
>>> from sqlalchemy.orm import sessionmaker >>> session = sessionmaker(bind=engine) >>> session = session() >>> orm = pyormmodel(id=1, name='test', attr={}) >>> session.add(orm) >>> session.commit() >>> session.close()
如上，我们可以看到，对于每一次操作，我们都需要对session进行获取，提交和释放。这样未免过于冗余和麻烦，所以我们一般会进行一层封装。
1.采用上下文管理器的方式，处理session的异常回滚和关闭，这部分与所参考的文章是几乎一致的。
# base_model.py from contextlib import contextmanager from sqlalchemy.orm import sessionmaker, scoped_session def _get_session(): 获取session return scoped_session(sessionmaker(bind=engine, expire_on_commit=false))() # 在这里对session进行统一管理，包括获取，提交，回滚和关闭 @contextmanager def db_session(commit=true): session = _get_session() try: yield session if commit: session.commit() except exception as e: session.rollback() raise e finally: if session: session.close()
2.在pyormmodel中增加两个方法，用于model和dict之间的转换。
class pyormmodel(base): ... @staticmethod def fields(): return ['id', 'name', 'attr'] @staticmethod def to_json(model): fields = pyormmodel.fields() json_data = {} for field in fields: json_data[field] = model.__getattribute__(field) return json_data @staticmethod def from_json(data: dict): fields = pyormmodel.fields() model = pyormmodel() for field in fields: if field in data: model.__setattr__(field, data[field]) return model
3.数据库操作的封装，与参考的文章不同，我是直接调用了session，从而使调用方不需要关注model层，减少耦合。
# py_orm_model_op.py from sqlachlemy_lab.model import db_session from sqlachlemy_lab.model import pyormmodel class pyormmodelop: def __init__(self): pass @staticmethod def save_data(data: dict): with db_session() as session: model = pyormmodel.from_json(data) session.add(model) # 查询操作，不需要commit @staticmethod def query_data(pid: int): data_list = [] with db_session(commit=false) as session: data = session.query(pyormmodel).filter(pyormmodel.id == pid) for d in data: data_list.append(pyormmodel.to_json(d)) return data_list
4.调用方：
# main.py from sqlachlemy_lab.model_op import pyormmodelop if __name__ == '__main__': pyormmodelop.save_data({'id': 1, 'name': 'test', 'attr': {}})
以上就是一个超方便使用sql的python神器！的详细内容。