标签：title pre pyc pychar 代码 decode 修改 opp 存在
一.redis使用:
在下载安装好redis后,pycharm内也需要安装redis工具包.cmd窗口运行pip install redis后才可在pycharm
内导入import redis来使用.
对于已经存在的redis数据的key,再次给同一个key设置值时,数据类型必须一致,否则报错
常用语法:
conn.set( name, v } 结果为{ name:v } 取值: conn.get( name )
conn.hset( name, k ,v ) 结果为{ name:{k : v} } 取值:conn.hget( name, k )
conn.hmset( name, {k1:v1, k2:v2} } 结果为{ name: {k1:v1, k2:v2} } 取值:conn.hgetall( name )
conn.scan_iter(模糊匹配key的条件) 结果是个由所有符合条件的key组成的迭代器
conn.keys( 模糊匹配key的条件 ) 结果是所有符合条件的key组成的列表
conn.exists( ‘key’ ) 用来判断key在不在redis中,结果是布尔值
conn.delete(要删除的key) 或者 conn.delete( *[要删除的key,] )
二.redis使用技巧:
数据结构如下:
{
shopping_car_2_1:{‘price_policy_dict‘: ‘{
"1": {"valid_period_text": "1个月", "price": 9.9},
"2": {"valid_period_text": "3个月", "price": 69.0},
"3": {"valid_period_text": "6个月", "price": 99.0}
}‘,
‘title‘: ‘Python开发21天入门‘,
‘id‘: ‘1‘
}
}
结构说明: 最外层的{}为第一层数据结构
shopping_car_2_1:{}这个是第二层数据结构,第二层放的字典redis是支持的
再往里就是第三层数据结构了,第三层不支持字典,
1.redis因版本不同,某些版本内不支持ImageField这种models表字段的数据类型
2.redis支持字典key的模糊查询,比如:
shopping_car_2_* 可以匹配到redis中key是以下格式的所有: shopping_car_2_这里可是任意东西
3.模糊匹配的语法,及结果类型
all_keys=conn.scan_iter(shopping_2_*) # 结果是迭代器,模糊匹配以shopping_2_开头的所有key
for key in all_keys: # 循环取值,注意取到的结果是redis内保存的key,而不是值
value=conn.hgetall( key ) # hgetall取得是二层key对应的字典
value[‘price_policy_dict’]=json.loads( value[‘price_policy_dict’] )
# 修改第三层的json字符串字典为真正的python的字典类型.
三.redis连接池概念
建立好一个redis连接池,每次要操作redis时就从连接池中拿建立好的连接去操作数据即可.
项目内新建py文件,导入redis,在这里建立个连接池,在要使用redis的文件中把连接池导入.
py内代码如下:
import redis
# 引入连接池概念,每次都是从连接池中拿一个连接去使用
POOL=redis.ConnectionPool(host=‘127.0.0.1‘,port=6379,decode_responses=True)
# 括号前为固定语法,括号内参数为(指定redis的地址,端口,自动帮我们解码)
视图中应用时代码如下:
from 文件路径 import POOL
conn=redis.Redis(connection_pool=POOL) # 指定从连接池中拿已建立好的连接
然后即可使用conn进行redis的命令操作了.
标签：title pre pyc pychar 代码 decode 修改 opp 存在
原文地址：https://www.cnblogs.com/quzq/p/10022950.html
