Flask入門第三天

  1、數據庫操做

  1,orm

orm(object-Relation Mapping),對象-關係映射,主要實現模型對象到關係數據庫數據的映射。
優勢:
- 只須要面向對象編程, 不須要面向數據庫編寫代碼.
  - 對數據庫的操做都轉化成對類屬性和方法的操做.
  - 不用編寫各類數據庫的`sql語句`.
- 實現了數據模型與數據庫的解耦, 屏蔽了不一樣數據庫操做上的差別.
  - 再也不須要關注當前項目使用的是哪一種數據庫。
  - 經過簡單的配置就能夠輕鬆更換數據庫, 而不須要修改代碼.
缺點:
- 相比較直接使用SQL語句操做數據庫,有性能損失.
- 根據對象的操做轉換成SQL語句,根據查詢的結果轉化成對象, 在映射過程當中有性能損失.

  2,Flask-SQLAlchemy

flask默認提供模型操做,可是並無提供ORM,因此通常開發的時候咱們會採用flask-SQLAlchemy模塊來實現ORM操做.
SQLAlchemy是一個關係型數據庫框架,它提供了高層的 ORM 和底層的原生數據庫的操做。flask-sqlalchemy 是一個簡化了 SQLAlchemy 操做的flask擴展。
SQLAlchemy: https://www.sqlalchemy.org/ 安裝 flask-sqlalchemy:pip install flask-sqlalchemy 若是鏈接的是 mysql 數據庫,須要安裝 mysqldb **驅動**:pip install flask-mysqldb

  2.1 數據庫鏈接設置python

在 Flask-SQLAlchemy 中,數據庫使用URL指定,並且程序使用的數據庫必須保存到Flask配置對象的 **SQLALCHEMY_DATABASE_URI** 鍵中
app.config['SQLALCHEMY_DATABASE_URI'] = 'mysql://root:mysql@127.0.0.1:3306/test'

其餘設置:
# 動態追蹤修改設置,如未設置只會提示警告
app.config['SQLALCHEMY_TRACK_MODIFICATIONS'] = True
#查詢時會顯示原始SQL語句
app.config['SQLALCHEMY_ECHO'] = True

  2.2 經常使用的sqlalchemy字段類型mysql

Integer:int普通整數,通常是32位
SmallInteger:int取值範圍小的整數,通常是16位
BigInteger:int或long不限制精度的整數Floatfloat浮點數
Numeric:decimal.Decimal普通整數,通常是32位
String:str變長字符串Textstr變長字符串,對較長或不限長度的字符串作了優化Unicode:unicode變長Unicode字符串
UnicodeText:unicode變長Unicode字符串,對較長或不限長度的字符串作了優化
Boolean:bool布爾值
Date:datetime.date時間
Time:datetime.datetime日期和時間
LargeBinary:str二進制文件

  2.3 經常使用的SQLALchemy列選項redis

primary_key:若是爲True,表明表的主鍵
unique:若是爲True,表明這列不容許出現重複的值
index:若是爲True,爲這列建立索引,提升查詢效率
nullable:若是爲True,容許有空值,若是爲False,不容許有空值
default:爲這列定義默認值

  2.4 經常使用的SQLALchemy關係選項sql

backref:在關係的另外一模型中添加反向引用,用於設置外鍵名稱,在1查多的
primary join:明確指定兩個模型之間使用的聯結條件
uselist:若是爲False,不使用列表,而使用標量值
order_by:指定關係中記錄的排序方式
secondary:指定多對多關係中關係表的名字
secondary join:在SQLAlchemy中沒法自行決定時,指定多對多關係中的二級聯結條件

  3,數據庫基本操做

在Flask-SQLAlchemy中,插入、修改、刪除操做,均由數據庫會話管理。
會話用 db.session 表示。在準備把數據寫入數據庫前,要先將數據添加到會話中而後調用 commit() 方法提交會話。
在 Flask-SQLAlchemy 中,查詢操做是經過 query 對象操做數據。
最基本的查詢是返回表中全部數據,能夠經過過濾器進行更精確的數據庫查詢。

  3.1 在視圖函數中定義模型類數據庫

from flask import Flask
from flask_sqlalchemy import SQLAlchemy


app = Flask(__name__)

#設置鏈接數據庫的URL
app.config['SQLALCHEMY_DATABASE_URI'] = 'mysql://root:mysql@127.0.0.1:3306/test'

app.config['SQLALCHEMY_TRACK_MODIFICATIONS'] = True
#查詢時會顯示原始SQL語句
app.config['SQLALCHEMY_ECHO'] = True
db = SQLAlchemy(app)

class Role(db.Model):
    # 定義表名
    __tablename__ = 'roles'
    # 定義列對象
    id = db.Column(db.Integer, primary_key=True)
    name = db.Column(db.String(64), unique=True)
    us = db.relationship('User', backref='role')

    # repr()方法相似於django的__str__,用於打印模型對象時顯示的字符串信息
    def __repr__(self):
        return 'Role:%s'% self.name

class User(db.Model):
    __tablename__ = 'users'
    id = db.Column(db.Integer, primary_key=True)
    name = db.Column(db.String(64), unique=True)
    email = db.Column(db.String(64),unique=True)
    password = db.Column(db.String(64))
    role_id = db.Column(db.Integer, db.ForeignKey('roles.id'))

    def __repr__(self):
        return 'User:%s'%self.name
if __name__ == '__main__':
    app.run(debug=True)

  模型之間的關聯django

  一對多:編程

class Role(db.Model):
    ...
    #關鍵代碼
    us = db.relationship('User', backref='role', lazy='dynamic')
    ...

class User(db.Model):
    ...
    role_id = db.Column(db.Integer, db.ForeignKey('roles.id'))
其中realtionship描述了Role和User的關係。在此文中,第一個參數爲對應參照的類"User"
第二個參數backref爲類User申明新屬性的方法
第三個參數lazy決定了何時SQLALchemy從數據庫中加載數據
若是設置爲子查詢方式(subquery),則會在加載完Role對象後,就當即加載與其關聯的對象,這樣會讓總查詢數量減小,但若是返回的條目數量不少,就會比較慢
設置爲 subquery 的話,role.users 返回全部數據列表
另外,也能夠設置爲動態方式(dynamic),這樣關聯對象會在被使用的時候再進行加載,而且在返回前進行過濾,若是返回的對象數不少,或者將來會變得不少,
那最好採用這種方式 設置爲 dynamic 的話,role.users 返回查詢對象,並無作真正的查詢,能夠利用查詢對象作其餘邏輯,好比:先排序再返回結果

  多對多flask

registrations = db.Table('registrations',  
    db.Column('student_id', db.Integer, db.ForeignKey('students.id')),  
    db.Column('course_id', db.Integer, db.ForeignKey('courses.id'))  
)

class Course(db.Model):
    ...

class Student(db.Model):
    ...
    courses = db.relationship('Course',secondary=registrations,  
                                    backref='students',  
                                    lazy='dynamic')

  3.2 經常使用的SQLAlchemy查詢過濾器瀏覽器

filter():把過濾器添加到原查詢上,返回一個新查詢
filter_by():把等值過濾器添加到原查詢上,返回一個新查詢
limit():使用指定的值限定原查詢返回的結果
offset():偏移原查詢返回的結果,返回一個新查詢
order_by():根據指定條件對原查詢結果進行排序,返回一個新查詢
group_by():根據指定條件對原查詢結果進行分組,返回一個新查詢

  3.3經常使用的SQLAlchemy查詢結果的方法cookie

all():以列表形式返回查詢的全部結果
first():返回查詢的第一個結果,若是未查到,返回None
first_or_404():返回查詢的第一個結果,若是未查到,返回404
get():返回指定主鍵對應的行,如不存在,返回None
get_or_404():返回指定主鍵對應的行,如不存在,返回404
count():返回查詢結果的數量
paginate():返回一個Paginate對象,它包含指定範圍內的結果

  3.4 建立表

db.create_all()  # 注意,create_all()方法執行的時候,須要放在模型的後面

  3.5刪除表

db.drop_all()

  3.6插入數據

插入一條數據
ro1 = Role(name='admin')
db.session.add(ro1)
db.session.commit()
#再次插入一條數據
ro2 = Role(name='user')
db.session.add(ro2)
db.session.commit()

插入多條數據
us5 = User(name='tang',email='tang@163.com',password='158104',role_id=ro2.id)
us6 = User(name='wu',email='wu@gmail.com',password='5623514',role_id=ro2.id)
us7 = User(name='qian',email='qian@gmail.com',password='1543567',role_id=ro1.id)
us8 = User(name='liu',email='liu@163.com',password='867322',role_id=ro1.id)
us9 = User(name='li',email='li@163.com',password='4526342',role_id=ro2.id)
us10 = User(name='sun',email='sun@163.com',password='235523',role_id=ro2.id)
db.session.add_all([us5,us6,us7,us8,us9,us10])
db.session.commit()

  3.7 查詢

filter_by精確查詢
User.query.filter_by(name='wang').all()

first()返回查詢到的第一個對象
User.query.first()

all()返回查詢到的全部對象
User.query.all()

filter模糊查詢,返回名字結尾字符爲g的全部數據。
User.query.filter(User.name.endswith('g')).all()

get():參數爲主鍵,若是主鍵不存在沒有返回內容
User.query.get()

邏輯非,返回名字不等於wang的全部數據
User.query.filter(User.name!='wang').all()

not_ 至關於取反
from sqlalchemy import not_
User.query.filter(not_(User.name=='chen')).all()

邏輯與,須要導入and,返回and()條件知足的全部數據
from sqlalchemy import and_
User.query.filter(and_(User.name!='wang',User.email.endswith('163.com'))).all()

邏輯或,須要導入or_
from sqlalchemy import or_
User.query.filter(or_(User.name!='wang',User.email.endswith('163.com'))).all()

查詢數據後刪除
user = User.query.first()
db.session.delete(user)
db.session.commit()
User.query.all()

關聯查詢示例:角色和用戶的關係是一對多的關係,一個角色能夠有多個用戶,一個用戶只能屬於一個角色。
查詢角色的全部用戶
#查詢roles表id爲1的角色
ro1 = Role.query.get(1)
#查詢該角色的全部用戶
ro1.us.all()

查詢用戶所屬角色
#查詢users表id爲3的用戶
us1 = User.query.get(3)
#查詢用戶屬於什麼角色
us1.role

  3.8 更新數據

user = User.query.first()
user.name = 'dong'
db.session.commit()
User.query.first()

  4,數據庫遷移

在開發過程當中,須要修改數據庫模型,並且還要在修改以後更新數據庫。最直接的方式就是刪除舊錶,但這樣會丟失數據。
更好的解決辦法是使用數據庫遷移框架,它能夠追蹤數據庫模式的變化,而後把變更應用到數據庫中。
在Flask中可使用Flask-Migrate擴展,來實現數據遷移。而且集成到Flask-Script中,全部操做經過命令就能完成
爲了導出數據庫遷移命令,Flask-Migrate提供了一個MigrateCommand類,能夠附加到flask-script的manager對象上

  安裝:

pip install flask-migrate

  代碼:

#coding=utf-8
from flask import Flask

from flask_sqlalchemy import SQLAlchemy
from flask_migrate import Migrate,MigrateCommand
from flask_script import Shell,Manager

app = Flask(__name__)
manager = Manager(app)

app.config['SQLALCHEMY_DATABASE_URI'] = 'mysql://root:mysql@127.0.0.1:3306/Flask_test'
app.config['SQLALCHEMY_COMMIT_ON_TEARDOWN'] = True
app.config['SQLALCHEMY_TRACK_MODIFICATIONS'] = True
db = SQLAlchemy(app)

#第一個參數是Flask的實例,第二個參數是Sqlalchemy數據庫實例
migrate = Migrate(app,db) 

#manager是Flask-Script的實例,這條語句在flask-Script中添加一個db命令
manager.add_command('db',MigrateCommand)

#定義模型Role
class Role(db.Model):
    # 定義表名
    __tablename__ = 'roles'
    # 定義列對象
    id = db.Column(db.Integer, primary_key=True)
    name = db.Column(db.String(64), unique=True)
    user = db.relationship('User', backref='role')

    #repr()方法顯示一個可讀字符串,
    def __repr__(self):
        return 'Role:'.format(self.name)

#定義用戶
class User(db.Model):
    __talbe__ = 'users'
    id = db.Column(db.Integer, primary_key=True)
    username = db.Column(db.String(64), unique=True, index=True)
    #設置外鍵
    role_id = db.Column(db.Integer, db.ForeignKey('roles.id'))

    def __repr__(self):
        return 'User:'.format(self.username)


if __name__ == '__main__':
    manager.run()

  4.1建立遷移倉庫

#這個命令會建立migrations文件夾,全部遷移文件都放在裏面。
python manage.py db init

  4.2建立遷移腳本

自動建立遷移腳本有兩個函數
upgrade():函數把遷移中的改動應用到數據庫中
downgrade():函數則將改動刪除

自動建立的遷移腳本會根據模型定義和數據庫當前狀態的差別,生成upgrade()和downgrade()函數的內容。

對比不必定徹底正確,有可能會遺漏一些細節,須要進行檢查
python manage.py db migrate -m 'initial migration'

  4.3更新數據庫

python manage.py db upgrade 

  4.4返回之前的版本

能夠根據history命令找到版本號,而後傳給downgrade命令:
python manage.py db history
輸出格式:<base> ->  版本號 (head), initial migration

回滾到指定版本:
python manage.py db downgrade # 默認返回上一個版本
python manage.py db downgrade 版本號   # 返回到指定版本號對應的版本

  4.5數據庫遷移的步驟

1. 初始化數據遷移的目錄
python manage.py db init

2. 數據庫的數據遷移版本初始化
python manage.py db migrate -m 'initial migration'

3. 升級版本[建立表]
python manage.py db upgrade 

4. 降級版本[刪除表]
python manage.py db downgrade

  2、flask-session

  容許設置session到指定存儲的空間中。

  安裝:pip install Flask-Session

  使用session以前必須配置:祕鑰

  1,redis基本配置

app.config['SESSION_TYPE'] = 'redis'  # session類型爲redis
app.config['SESSION_PERMANENT'] = False  # 若是設置爲True,則關閉瀏覽器session就失效。
app.config['SESSION_USE_SIGNER'] = False  # 是否對發送到瀏覽器上session的cookie值進行加密
app.config['SESSION_KEY_PREFIX'] = 'session:'  # 保存到session中的值的前綴
app.config['SESSION_REDIS'] = redis.Redis(host='127.0.0.1', port='6379', password='123123')  # 用於鏈接redis的配置

Session(app)

  2,SQLAlchemy基本配置

db = SQLAlchemy(app)

app.config['SESSION_TYPE'] = 'sqlalchemy'  # session類型爲sqlalchemy
app.config['SESSION_SQLALCHEMY'] = db # SQLAlchemy對象
app.config['SESSION_SQLALCHEMY_TABLE'] = 'session' # session要保存的表名稱
app.config['SESSION_PERMANENT'] = True  # 若是設置爲True,則關閉瀏覽器session就失效。
app.config['SESSION_USE_SIGNER'] = False  # 是否對發送到瀏覽器上session的cookie值進行加密
app.config['SESSION_KEY_PREFIX'] = 'session:'  # 保存到session中的值的前綴

Session(app)

  3、藍圖Blueprint

  1,模塊化

隨着flask程序愈來愈複雜,咱們須要對程序進行模塊化的處理,以前學習過python的模塊化管理,因而針對一個簡單的flask程序進行模塊化處理
簡單來講,Blueprint 是一個存儲操做方法的容器,這些操做在這個Blueprint 被註冊到一個應用以後就能夠被調用,Flask 能夠經過Blueprint來組織URL以及處理請求。
Flask使用Blueprint讓應用實現模塊化,在Flask中,Blueprint具備以下屬性:
- 一個應用能夠具備多個Blueprint
- 能夠將一個Blueprint註冊到任何一個未使用的URL下好比 「/」、「/sample」或者子域名
- 在一個應用中,一個模塊能夠註冊屢次
- Blueprint能夠單獨具備本身的模板、靜態文件或者其它的通用操做方法,它並非必需要實現應用的視圖和函數的
- 在一個應用初始化時,就應該要註冊須要使用的Blueprint
可是一個Blueprint並非一個完整的應用,它不能獨立於應用運行,而必需要註冊到某一個應用中。

  使用藍圖

Blueprint對象用起來和一個應用/Flask對象差很少,最大的區別在於一個 藍圖對象沒有辦法獨立運行,必須將它註冊到一個應用對象上才能生效
使用藍圖能夠分爲四個步驟
1,建立一個藍圖目錄,例如**users**,並在``__init__.py``文件中建立藍圖對象
users=Blueprint('users',__name__)
2,在這個藍圖目錄下, 建立views.py文件,保存當前藍圖使用的視圖函數
@admin.route('/')
def home():
    return 'user.home'
3,在**users/__init__.py**中引入views.py中全部的視圖函數
from flask import Blueprint
# 等同於原來在 manage.py裏面的 app = Flask()
users=Blueprint('users',__name__)

from .views import *
4,在主應用manage.py文件中的app對象上註冊這個**users**藍圖對象
from users import users
app.register_blueprint(users,url_prefix='/users')
當這個應用啓動後,經過/users/能夠訪問到藍圖中定義的視圖函數

  2,運行機制

- 藍圖是保存了一組未來能夠在應用對象上執行的操做,註冊路由就是一種操做
- 當在應用對象上調用 route 裝飾器註冊路由時,這個操做將修改對象的url_map路由表
- 然而,藍圖對象根本沒有路由表,當咱們在藍圖對象上調用route裝飾器註冊路由時,它只是在內部的一個延遲操做記錄列表defered_functions中添加了一個項
- 當執行應用對象的 register_blueprint() 方法時,應用對象將從藍圖對象的 defered_functions 列表中取出每一項,並以自身做爲參數執行該匿名函數,
即調用應用對象的 add_url_rule() 方法,這將真正的修改應用對象的路由表

  3,藍圖的url前綴

- 當咱們在應用對象上註冊一個藍圖時,能夠指定一個url_prefix關鍵字參數(這個參數默認是/- 在應用最終的路由表 url_map中,在藍圖上註冊的路由URL自動被加上了這個前綴,這個能夠保證在多個藍圖中使用相同的URL規則而不會最終引發衝突,
只要在註冊藍圖時將不一樣的藍圖掛接到不一樣的自路徑便可
- url_for url_for('admin.index') # /admin/

  4,註冊靜態路由

和應用對象不一樣,藍圖對象建立時不會默認註冊靜態目錄的路由。須要咱們在 建立時指定 static_folder 參數。
下面的示例將藍圖所在目錄下的static_admin目錄設置爲靜態目錄
admin = Blueprint("admin",__name__,static_folder='static_admin')
app.register_blueprint(admin,url_prefix='/admin')

如今就可使用/admin/static_admin/ 訪問static_admin目錄下的靜態文件了 定製靜態目錄URL規則 :能夠在建立藍圖對象時使用 static_url_path 來改變靜態目錄的路由。
下面的示例將爲 static_admin 文件夾的路由設置爲 /lib admin = Blueprint("admin",__name__,static_folder='static_admin',static_url_path='/lib') app.register_blueprint(admin,url_prefix='/admin')

  5,設置模板目錄

藍圖對象默認的模板目錄爲系統的模版目錄,能夠在建立藍圖對象時使用 template_folder 關鍵字參數設置模板目錄
admin = Blueprint('admin',__name__,template_folder='my_templates')
注:若是在 templates 中存在和 my_templates 同名文件,則系統會優先使用 templates 中的文件
相關文章
相關標籤/搜索