Flask的ORM工具SQLAlchemy

Flask的ORM工具SQLAlchemy

一、ORM 是什么？

ORM（Object-Relational Mapping，对象关系映射）是一种编程技术，用于在面向对象的编程语言与关系型数据库之间建立映射关系。它允许开发者使用面向对象的语法（如类、对象、方法）操作数据库，而无需直接编写 SQL 语句。

 

ORM 的核心作用：

•  抽象数据库操作：将数据库表映射为编程语言中的“类”，表中的行映射为“对象”，表的字段映射为“对象属性”。
•  屏蔽数据库差异：同一套 ORM 代码可适配多种数据库（如 MySQL、PostgreSQL、SQLite 等），无需修改核心逻辑。
•  简化开发流程：避免手动编写复杂 SQL，减少出错概率，同时让代码更易读、易维护。

 

二、Flask 的 ORM 工具：SQLAlchemy 详解

SQLAlchemy 是 Python 生态中最流行的 ORM 框架之一，并非专为 Flask 设计，但通过 Flask-SQLAlchemy扩展可与 Flask 无缝集成，成为 Flask 项目中操作数据库的首选工具。

1、SQLAlchemy 的定位

SQLAlchemy 不仅是 ORM，更是一个“SQL 工具包”，它包含两部分核心功能：

• Core（核心）：提供 SQL 表达式语言，可直接通过 Python 代码生成 SQL 语句（类似“高级 SQL 生成器”）。
• ORM：在 Core 基础上封装的对象关系映射层，支持通过类和对象操作数据库。

 

2、Flask-SQLAlchemy 扩展

Flask-SQLAlchemy 是 Flask 官方推荐的扩展，它简化了 SQLAlchemy 与 Flask 的集成，自动处理配置、会话管理等细节。

 （1）安装

pip install flask-sqlalchemy

 

 （2）基本配置与初始化

在 Flask 项目中，需先配置数据库连接信息并初始化 SQLAlchemy：

from flask import Flask
from flask_sqlalchemy import SQLAlchemyapp = Flask(__name__)# 配置数据库 URI（以 SQLite 为例，文件型数据库，无需额外服务）
app.config['SQLALCHEMY_DATABASE_URI'] = 'sqlite:///mydatabase.db'
# 关闭 SQLAlchemy 的修改跟踪功能（优化性能）
app.config['SQLALCHEMY_TRACK_MODIFICATIONS'] = False# 初始化 SQLAlchemy 实例，关联 Flask 应用
db = SQLAlchemy(app)

 

数据库 URI 格式（不同数据库）：

•    SQLite：sqlite:///数据库文件名.db（相对路径，文件存于项目根目录）
•    MySQL：mysql+pymysql://用户名:密码@主机:端口/数据库名
•    PostgreSQL：postgresql://用户名:密码@主机:端口/数据库名

 

3、核心概念与使用

 （1）模型（Model）：映射数据库表

模型是 ORM 的核心，对应数据库中的一张表。通过继承 db.Model 定义模型类，类的属性对应表的字段。

示例：定义一个 User 模型（对应 user 表）：

class User(db.Model):#表名（不指定则默认用类名小写，如 User → user）__tablename__ = 'users'#字段定义：id（主键，自增整数）id = db.Column(db.Integer, primary_key=True)#用户名（字符串，非空，唯一）username = db.Column(db.String(80), unique=True, nullable=False)#邮箱（字符串，非空，唯一）email = db.Column(db.String(120), unique=True, nullable=False)#定义对象的字符串表示（便于调试）def __repr__(self):return f'<User {self.username}>'

- db.Column：定义表的字段，第一个参数为数据类型（如 db.Integer、db.String）。

- 常用参数：

•    primary_key=True：设为主键。
•    unique=True：字段值唯一（如用户名不可重复）。
•    nullable=False：字段不可为空（必填）。
•    default：设置默认值（如 default=datetime.utcnow）。

 

 （2）创建数据库和表

定义模型后，需通过代码创建实际的数据库文件和表：

#在 Flask 应用上下文内执行（如在视图函数中，或通过 shell）with app.app_context():    #创建所有模型对应的表（若表已存在则不重复创建）    db.create_all()

执行后，项目根目录会生成 mydatabase.db（SQLite），包含 users 表。

 

 （3）会话（Session）：操作数据库的“接口”

SQLAlchemy 通过“会话（Session）”执行数据库操作（增删改查），Flask-SQLAlchemy 中通过 db.session 调用。

会话的作用：暂存所有操作，最终通过 commit() 提交到数据库，类似“事务”。

 

 （4）基本操作示例

 ① 新增数据（插入）

with app.app_context():#创建用户对象（对应表中的一行）user1 = User(username='alice', email='alice@example.com')user2 = User(username='bob', email='bob@example.com')#将对象添加到会话db.session.add(user1)db.session.add(user2)   #可批量添加：db.session.add_all([user1, user2])#提交会话（实际写入数据库）db.session.commit()

 

 ② 查询数据

Flask-SQLAlchemy 提供了丰富的查询方法，通过 模型类.query 调用：

with app.app_context():#1. 查询所有用户（返回列表）all_users = User.query.all()print(all_users)  # [<User alice>, <User bob>]#2. 查询第一个用户first_user = User.query.first()print(first_user.username)   #'alice'#3. 通过主键查询（高效）user_by_id = User.query.get(1)   #查询 id=1 的用户print(user_by_id.email)   # 'alice@example.com'#4. 条件查询（filter_by，简化版，只支持关键字参数）user_bob = User.query.filter_by(username='bob').first()#5. 复杂条件查询（filter，支持表达式）#例如：查询邮箱包含 'example' 的用户users_with_example = User.query.filter(User.email.like('%example%')).all()#6. 排序（按 username 升序）sorted_users = User.query.order_by(User.username).all()#7. 限制查询数量（前 10 条）limited_users = User.query.limit(10).all()

 

 ③ 更新数据

with app.app_context():    #1. 先查询到要更新的对象    user = User.query.filter_by(username='alice').first()    #2. 修改属性    user.email = 'new_alice@example.com'
      #3. 提交会话（保存修改）    db.session.commit()

 

 ④ 删除数据

with app.app_context():    #1. 先查询到要删除的对象
    user = User.query.filter_by(username='bob').first()    #2. 从会话中删除
    db.session.delete(user)    #3. 提交会话（执行删除）
    db.session.commit()

 

 （5）关系（Relationship）：处理表之间的关联

实际数据库中表常有关联（如“用户-文章”一对多），SQLAlchemy 通过 db.relationship 定义模型间的关系。

 

示例：用户（User）和文章（Post）的一对多关系：

class Post(db.Model):__tablename__ = 'posts'id = db.Column(db.Integer, primary_key=True)title = db.Column(db.String(100), nullable=False)content = db.Column(db.Text, nullable=False)#外键：关联 users 表的 id 字段user_id = db.Column(db.Integer, db.ForeignKey('users.id'), nullable=False)#定义与 User 的反向关系（一个用户对应多篇文章）#backref：在 User 中自动添加 posts 属性，可通过 user.posts 获取该用户的所有文章author = db.relationship('User', backref=db.backref('posts', lazy=True))

使用示例：

with app.app_context():#查询用户的所有文章user = User.query.get(1)user_posts = user.posts   #所有该用户的文章列表#查询文章的作者post = Post.query.get(1)post_author = post.author   #文章对应的用户对象

 

4、数据库迁移：Flask-Migrate

当模型结构变更（如新增字段、修改类型）时，直接删除表重建会丢失数据。Flask-Migrate 扩展基于 Alembic（SQLAlchemy 作者开发的迁移工具），可安全地同步模型变更到数据库。

 （1）安装

pip install flask-migrate

 

 （2）初始化

from flask_migrate import Migrate#关联 app 和 db
migrate = Migrate(app, db)

 （3）常用迁移命令

# 初始化迁移环境（仅首次执行）
flask db init#生成迁移脚本（检测模型与数据库的差异）
flask db migrate -m "描述迁移内容，如：新增用户年龄字段"#执行迁移（将脚本应用到数据库）
flask db upgrade

 

三、SQLAlchemy 的优势

1. 灵活性：支持 ORM 模式（面向对象）和 Core 模式（直接生成 SQL），可根据需求选择。
2. 跨数据库兼容：一套代码适配多种数据库，切换数据库只需修改 URI。
3. 强大的查询能力：提供丰富的查询 API，支持复杂条件、联表查询、聚合函数等。
4. 事务支持：通过会话的 commit() 和 rollback()（回滚）保证数据一致性。
5. 与 Flask 无缝集成：Flask-SQLAlchemy 简化了配置和会话管理，开箱即用。

四、总结

ORM 是连接面向对象编程与关系型数据库的桥梁，而 SQLAlchemy 是 Python 中功能最完善的 ORM 工具之一。通过 Flask-SQLAlchemy 扩展，开发者可以在 Flask 项目中用简洁的面向对象语法操作数据库，大幅提升开发效率，同时保证代码的可维护性和扩展性。