Object Relational Tutorial --SQLAlchemy 1.1 Documentation 的部分翻譯

SQLAlchemy ORM 給出一種用戶定義的python類鏈接到數據庫的表的方法，以及這些類的實例映射到對應的表的列的方法。它包括一個系統，這個系統同步全部的對象和其關聯的行的改變。這個行稱做工做單元。它還包括一個系統，用於表示數據庫查詢，（基於用戶的類定義），以及用戶是怎麼定義各個類彼此之間的關係的。 ORM 與SQLAlchemy 的表達式語言造成對比，（基於orm的建立）。然而SQl表達式語言（在SQL Expression Language Tutorial有介紹），給出了一個系統，這個系統呈現了關係數據庫的原始結構，ORM給出了一個高級的，抽象的使用方法，也就是表達式語言的應用。

在ORM和表達式語言的使用出現重疊的時候，倆者的類似性會比它們看起來要淺顯。它們面向的是數據結構和數據體，這裏說的是用戶定義的模型的角度，在這裏，它從下層的使用模型持續的刷新。其它的面相的是schema的字面和sql表達式表明的角度。這些角度明確的組成進數據庫使用的消息。

一個成功的應用可能建立於使用ORM之上。在先進的情形下，一個以ORM建立的應用可能會直接使用表達式語言。（固然是在特定的數據庫交互要求的前提下了）。 如下教程是doctest格式的，也就是說>>>表明你的python command prompt輸入，而接下來的文本就是期待的返回值。 版本的快速檢查。

鏈接： 本教程咱們將會使用sqlite 數據庫。要鏈接，咱們可使用create_engine():

echo 標記是一個快捷鍵，來搭建起SQLAlchemy的日誌彈出，它是經過python的標準模塊logging來完成的。當echo設置成enable的時候，咱們就能看到sql語句的生成了。若是你跟着本教程，卻不想看到有sql語句生成，設置成false就能夠了。本教程將會格式化sql在一個彈出的窗口，這樣他就不會擋着咱們了。能夠點擊sql鏈接去看看什麼被生產了。 create_engine的返回值是一個Engine的實例。它給咱們呈現了一個數據庫的核心界面。經過當前處理數據庫和DBAPI的細節的方言，在此，是sqlite方言，它會去解釋建立過程。（python 內建sqlite模塊）。 一個方法像Engine.execute() or Engine.connect() 第一次被調用的時候。這個Engine就創建一個真的DBAPI鏈接到數據庫，這個東西是要來發射sql語句的。當咱們使用orm的時候，咱們不會直接使用Engine來建立。而是待會咱們見到的ORM，它在背後使用。

lazy connection： Engine,當第一次由create_engine返回的時候，不會直接鏈接到數據庫，它會對數據庫執行任務在第一次叫它去作的時候。道理和python的lazy function是同樣的。 Declare a Mapping 聲明一個映射 在使用ORM的時候，結構性的過程先由咱們要處理的數據庫表描述開始。而後由定義咱們本身的類，這個類就是待會要映射的表，在現代的SQLAlchemy，這倆個任務一般是一塊兒執行的。用一個叫Declarative的系統，它使咱們能夠建立帶有指示以描述當前數據庫表（將要映射的）的類。 映射類應的是Declarative 系統來定義，根據base class 。base class 維護着一個類的目錄和表相對那個類，也叫declarative base class。 咱們的應用一般只有一個這個base的實例，咱們用declarative_base()函數建立一個base類。以下：

如今咱們有了一個「base」，咱們能夠由它定義任何數量的映射類，咱們講使用一個單表叫users，它將爲咱們存記錄給終端用戶，一個新的類叫User將是咱們映射到這個表的類，在這個類裏，咱們能夠定義咱們將要映射的表的具體細節，基本上是表名，名，以及列的數據類型。

一個類最少要有一個最小的須要，即__tablename__屬性。以及最少要有一個主鍵列，SQLAlchemy從不作任何假設，可是這並不意味着樣板文件就是必須的，相反，咱們鼓勵你建立本身的自動匹配的轉換，使用helper函數和mixin類，這些類是描述具體的mixin和custom base class。

小貼士：User類定義一個__repr__方法，可是這是可選的，咱們只實施它在咱們的教程中，來展現咱們的格式化後的User類。 當咱們的類創建起來了，Declarative代替全部的列對象，用特別的python accessor，也叫decriptors。這是一個叫作instrumentation的過程。instrumented映射類將提供給咱們一些手段來參照sql環境下的表，同時，繼續加載column的值，從數據庫裏。 除了映射過程會對咱們的類進行操做，類也保留了其餘的大部分的普通python類，用這些咱們能定義在咱們的應用中須要的任何數量的普通特性和方法。 create a schema： 當咱們的類由declarative系統構建起來後，咱們就定義了咱們的表的一些信息，也叫metadata。該對象使用SQLAlchemy來呈現這信息給一個叫作Table對象的特定的表，這裏，Declarative已經建好一個給咱們了。咱們能夠用__table__屬性來查看。 當咱們聲明瞭咱們的類，Declarative就用一個Python元類來實現額外的動做，一旦類聲明完成後。在這個階段，它隨即建好一個Table對象，根據咱們的指明。並關聯它到咱們的由Mapper對象創建的類。這個對象是一個背後對象，咱們一般不會直接處理。（儘管它給咱們提供了不少咱們的映射的信息，當咱們須要它的時候。） classical mappings：Declarative 系統，高度推薦，可是已經不是一個必須的了，當咱們要用SQLAlchemy的ORM時候。除了Declarative，任何的Python類多能用mapper（）函數直接的映射到任何一個表裏。這些不是很經常使用的方法能夠參見Classical Mappings。 Table對象實際上是一個更大的集合MetaData的成員。當咱們使用Declarative的時候。這個對象可使用咱們的declarative base class的.metadata屬性。 MetaData是一個註冊器，有發射一系列schema generation 命令到數據庫的能力。由於咱們的sqlite數據庫目前尚未一個users表，咱們就能夠用MetaData來解決CREATE TABLE狀態在數據庫中尚未存在的問題。下面咱們調用MetaData.create_all()方法。傳遞進去咱們的Engine，做爲一個數據庫活動源咱們將看到特別的命令立馬發出去到當前的user表。如下就是當前CREATE TABLE的狀態。 使用者可能熟悉CREATE TABLE的語法錯誤。錯誤指出了VARCHAR列沒有一個length卻生成了。在sqlite和postgresql，這是一個有效的數據類型。可是沒有其餘，也是被允許的。因此，若是在如下的數據庫裏運行咱們的教程，你可能想要試用SQLAlchemy來解決CREATE TABLE，length能夠以下寫出：

String的長度，固然，還有Integer，Numeric等，沒有引入SQLAlchemy當咱們建立表的時候。（SQLAlchemy是有Integer，Numeric的） 此外，Firebird和Oracle要求一個序列來生成新主鍵，SQLAlchemy不會爲你假設這些東西。對此，你可使用Sequence構建：

一個完整的，十分簡單的Table經過declarative 映射以下：

咱們包涵這個冗長的表定義，分別去強調差異。。。。 建立映射實例類： 當映射完成後，咱們就能夠建立和查看一個User對象，。儘管咱們沒有在構建器裏明確它。id屬性仍然能生成一個None值，當咱們獲取它的時候。（這裏是與通常的python報錯給一個未定義的屬性相反）SQLAlchemy的instrumentation通常能生成這個一個默認值給列映射對象，對這些咱們已經賦值的屬性，instrumentation系統會追蹤這些賦值對於藥 發射到數據庫的INSERT狀態。 init 方法：咱們的User類，當定義的時候，就是使用Declarative系統，已經給咱們提供了一個constructot。它會自動的接受關鍵字名字，這個關鍵字名字會去匹配咱們的映射列。咱們能夠隨心地去定義任何一個明確的__init__()方法。咱們也能夠重寫這些默認方法，經過Declarative。 輸入連接說明