SQLAlchemy技术文档（中文版）（中）

标签：注意   nal   布尔   password   提交   session   自己的   logs   asi   

http://www.cnblogs.com/iwangzc/category/620910.html

10.建立联系（外键）

是时候考虑怎样映射和查询一个和Users表关联的第二张表了。假设我们系统的用户可以存储任意数量的email地址。我们需要定义一个新表Address与User相关联。

from sqlalchemyimport ForeignKey

from sqlalchemy.ormimport relationship, backref

class Address(Base):

__tablename__ = ‘addresses‘

id= Column(Integer, primary_key=True)

email_address = Column(String, nullable=False)

user_id = Column(Integer, ForeignKey(‘users.id‘))

user = relationship("User", backref=backref(‘addresses‘,order_by=id))

def__repr__(self):

	return"<Address(email_address=‘%s‘)>"%self.email_address

构造类和外键简单，就不过多赘述。主要说明以下relationship()函数：这个函数告诉ORM，Address类应该和User类连接起来，通过使用addresses.user。relationship()使用外键明确这两张表的关系。决定Adderess.user属性是多对一的。relationship()的子函数backref()提供表达反向关系的细节：relationship()对象的集合被User.address引用。多对一的反向关系总是一对多。更多的细节参考Basic RelRational Patterns。

这两个互补关系：Address.user和User.addresses被称为双向关系。这是SQLAlchemy ORM的一个非常关键的功能。更多关系backref的细节参见Linking Relationships with Backref。

假设声明的方法已经开始使用，relationship()中和其他类关联的参数可以通过strings指定。在上文的User类中，一旦所有映射成功，为了产生实际的参数，这些字符串会被当做Python的表达式。下面是一个在User类中创建双向联系的例子：

class User(Base):

addresses = relationship("Address", order_by="Address.id", backref="user")

一些知识：

在大多数的外键约束（尽管不是所有的）关系数据库只能链接到一个主键列，或具有唯一约束的列。

外键约束如果是指向多个列的主键，并且它本身也具有多列，这种被称为“复合外键”。

外键列可以自动更新自己来相应它所引用的行或者列。这被称为级联，是一种建立在关系数据库的功能。

外键可以参考自己的表格。这种被称为“自引”外键。

我们需要在数据库中创建一个addresses表，所以我们会创建另一个元数据，这将会跳过已经创建的表。

11.操作主外键关联的对象

现在我们已经在User类中创建了一个空的addresser集合，可变集合类型，例如set和dict，都可以用，但是默认的集合类型是list。

jack = User(name=‘jack‘, fullname=‘Jack Bean‘, password=‘gjffdd‘)

jack.addresses

[]

现在可以直接在User对象中添加Address对象。只需要指定一个完整的列表：

jack.addresses = [Address(email_address=‘jack@google.com‘),Address(email_address=‘j25@yahoo.com‘)]

当使用双向关系时，元素在一个类中被添加后便会自动在另一个类中添加。这种行为发生在Python的更改事件属性中而不是用SQL语句：

>>> jack.addresses[1]

<Address(email_address=‘j25@yahoo.com‘)>

>>> jack.addresses[1].user

<User(name=‘jack‘, fullname=‘Jack Bean‘, password=‘gjffdd‘)>

把jack提交到数据库中，再次查询Jack，（No SQL is yet issued for Jack’s addresses:）这句实在是翻译不了了，看看代码就明白是什么意思：

>>> jack = session.query(User).\
...

filter_by(name=‘jack‘).one()

>>> jack

<User(name=‘jack‘,fullname=‘Jack Bean‘, password=‘gjffdd‘)>

>>>jack.addresses 

[<Address(email_address=‘jack@google.com‘)>,
<Address(email_address=‘j25@yahoo.com‘)>]

当我们访问uaddresses集合时，SQL会被突然执行，这是一个延迟加载（lazy loading）关系的典型例子。现在addresses集合加载完成并且可以像对待普通列表一样对其进行操作。以后我们会优化这种加载方式。

12.使用JOINS查询

现在我们有了两张表，可以进行更多的查询操作，特别是怎样对两张表同时进行查询，Wikipediapage on SQL JOIN提供了很详细的说明，其中一些我们将在这里说明。之前用Query.filter()时，我们已经用过JOIN了，filter是一种简单的隐式join：

>>>for u, a in session.query(User, Address).filter(User.id==Address.user_id).filter(Address.email_address==‘jack@google.com‘).all():   

    print u

    print a

<User(name=‘jack‘,fullname=‘JackBean‘, password=‘gjffdd‘)>

<Address(email_address=‘jack@google.com‘)>

用Query.join()方法会更加简单：

>>>session.query(User).join(Address).\

...
    filter(Address.email_address==‘jack@google.com‘).\

...
    all() 

[<User(name=‘jack‘,fullname=‘JackBean‘, password=‘gjffdd‘)>]

之所以Query.join()知道怎么join两张表是因为它们之间只有一个外键。如果两张表中没有外键或者有一个以上的外键，当下列几种形式使用的时候，Query.join()可以表现的更好：

query.join(Address,User.id==Address.user_id)# 明确的条件

query.join(User.addresses)# 指定从左到右的关系

query.join(Address,User.addresses)    #同样，有明确的目标

query.join(‘addresses‘) # 同样，使用字符串

	outerjoin()和join()用法相同

query.outerjoin(User.addresses)# LEFT OUTER JOIN

12.1使用别名

当在多个表中查询时，如果同一张表需要被引用好几次，SQL通常要求对这个表起一个别名，因此，SQL可以区分对这个表进行的其他操作。Query也支持别名的操作。下面我们joinAddress实体两次，找到同时拥有两个不同email的用户：

>>>from sqlalchemy.ormimport aliased

>>>adalias1 = aliased(Address)

>>>adalias2 = aliased(Address)

>>>for username, email1, email2 in\

...
    session.query(User.name,adalias1.email_address,adalias2.email_address).\

...
    join(adalias1, User.addresses).\

...
    join(adalias2, User.addresses).\

...
    filter(adalias1.email_address==‘jack@google.com‘).\

...
    filter(adalias2.email_address==‘j25@yahoo.com‘):

...
    print username, email1,
email2      

jack
jack@google.com j25@yahoo.com

12.1使用子查询（暂时理解不了啊，多看代码研究吧：(）

from sqlalchemy.sqlimport func

stmt = session.query(Address.user_id,func.count(‘*‘).\

...
        label(‘address_count‘)).\

...
        group_by(Address.user_id).subquery()

>>>
for u, count in session.query(User,stmt.c.address_count).\

...
    outerjoin(stmt, User.id==stmt.c.user_id).order_by(User.id):

    print u, count

<User(name=‘ed‘,fullname=‘EdJones‘, password=‘f8s7ccs‘)>
None

<User(name=‘wendy‘,fullname=‘Wendy Williams‘, password=‘foobar‘)>
None

<User(name=‘mary‘,fullname=‘Mary Contrary‘, password=‘xxg527‘)>
None

<User(name=‘fred‘,fullname=‘Fred Flinstone‘, password=‘blah‘)>
None

<User(name=‘jack‘,fullname=‘Jack Bean‘, password=‘gjffdd‘)>
2

12.2从子查询中选择实体？

上面的代码中我们只返回了包含子查询的一个列的结果。如果想要子查询映射到一个实体的话，使用aliased()设置一个要映射类的子查询别名：

>>>
stmt = session.query(Address).\

...
     filter(Address.email_address!= ‘j25@yahoo.com‘).\

...
     subquery()

>>>
adalias = aliased(Address, stmt)
#？为什么有两个参数？

>>>
for user, address in session.query(User, adalias).\

...
        join(adalias, User.addresses): 

...
    print user

...
    print address

<User(name=‘jack‘,fullname=‘Jack Bean‘, password=‘gjffdd‘)>

<Address(email_address=‘jack@google.com‘)>

12.3使用EXISTS（存在？）

如果表达式返回任何行，EXISTS为真，这是一个布尔值。它可以用在jions中，也可以用来定位在一个关系表中没有相应行的情况：

>>>from sqlalchemy.sqlimport exists

>>>
stmt = exists().where(Address.user_id==User.id)

>>>for name, in session.query(User.name).filter(stmt):

    print name

jack

等价于：

>>>for name, in session.query(User.name).\

...
 　　filter(User.addresses.any()):
  

...
    print name

jack

any()限制行匹配：

>>>for name, in session.query(User.name).\

...
   
filter(User.addresses.any(Address.email_address.like(‘%google%‘))):
  

...
    print name

jack

has()和any()一样在应对多对一关系的情况下（注意“～“意味着”NOT”）

>>> session.query(Address).\

...
        filter(~Address.user.has(User.name==‘jack‘)).all()

[]

12.4 常见的关系运算符

== ！= None 都是用在多对一中，而contains()用在一对多的集合中：

query.filter(Address.user == someuser)

query.filter(User.addresses.contains(someaddress))

Any()（用于集合中）：

query.filter(User.addresses.any(Address.email_address == ‘bar‘))#also takes keyword arguments:

query.filter(User.addresses.any(email_address=‘bar‘))

as()（用在标量？不在集合中）：

query.filter(Address.user.has(name=‘ed‘))

Query.with_parent()（所有关系都适用）：

session.query(Address).with_parent(someuser,‘addresses‘)

13 预先加载（跟性能有关）和lazy loading相对，建议直接查看文档吧

待补充。。。

SQLAlchemy技术文档（中文版）（中）

标签：注意   nal   布尔   password   提交   session   自己的   logs   asi   

原文地址：http://www.cnblogs.com/syuee/p/7015606.html