建立 ORM 研讨会
各位小伙伴们,大家好呀!看看今天我又给各位带来了什么文章?本文标题是《建立 ORM 研讨会》,很明显是关于文章的文章哈哈哈,其中内容主要会涉及到等等,如果能帮到你,觉得很不错的话,欢迎各位多多点评和分享!

sql 是用于管理数据库的最常用编程语言,由于其稳健性和简单性而在许多大公司中使用。但是如果我们想将它集成到一个更大、更通用的程序中怎么办?这就是对象关系管理器发挥作用的地方!在这篇文章中,我将讨论并展示一些使用 sqlite3 与 sql 数据库通信的基础知识的示例。大部分工作将在专业环境中通过 sqalchemy 等标准化 orm 完成,但了解幕后发生的事情是有好处的。
在开始与数据库对话之前,我们需要将 sqlite3 导入到我们的 python 文件中。
import sqlite3
导入后,我们设置了与数据库的连接以及与之交互的游标。并不是说,如果您尝试连接的文件不存在,此行将在连接之前创建它。
conn = sqlite3.connect('pets.db')
cursor = conn.cursor()
为了在 python 中跟踪数据库信息,我们将创建一个与数据库表中包含的信息相对应的类。对于我们的示例,我们将创建一个宠物数据库供用户跟踪。
class pet:
all = {}
def __init__(self, name, species, id=none):
self.id = id
self.name = name
self.species = species
在此示例中,id、name 和species 是表中的列,该类的每个实例都是一行。我们将使用字典类属性 all 来存储数据库中行的各个实例,这样我们就不必每次引用它们时都从数据库中提取它们。我们将在初始化时将 id 保留为 none,因为它将在我们为对象创建实际数据库条目后分配。
现在我们的框架开始组合在一起,让我们看一些通过我们的类运行 sql 代码来构建和操作数据库的示例。在我们做任何事情之前,我们需要创建一个表。语法与 sql 本身几乎相同,但作为特殊字符串传递给我们的 cursor 以在我们的数据库上运行。
@classmethod
def create_table(cls):
sql = """
create table if not exists pets (
id integer primary key,
name text,
species text)
"""
cursor.execute(sql)
conn.commit()
接下来我们需要能够将信息添加到我们的数据库中。毕竟,没有信息可组织的数据库表算什么?我们将使用类方法“create”来创建实例,并使用实例方法“save”将自身保存到数据库和类中。
@classmethod
def create(cls, name, species):
pet = cls(name, species)
pet.save()
return pet
def save(self):
sql = """
insert into pets (name, species)
values (?, ?)
"""
cursor.execute(sql, (self.name, self.species))
conn.commit()
self.id = cursor.lastrowid
type(self).all[self.id] = self
注意我们写的是“?”符号而不是我们想要在 sql 代码中使用的实际值。 cursor.execute 函数可以识别这些,并将按顺序用我们传递给它的值替换它们。在本例中,为 self.name 和 self.species。然后我们从数据库中获取新插入行的 id,并将其用作实例的 python 字典的键。
现在我们已经掌握了为数据库创建信息的基础知识,我们可以编写一个简短的测试脚本来演示。
from pet import pet
def seed_database():
pet.create_table()
fido = pet.create("fido", "dog")
print(fido)
seed_database()
这会在控制台打印什么?
我们至少要创建一个对象,让我们更新 pet 类来覆盖基本的打印功能,我们可以使用特殊函数 'repr' 来做到这一点。
def __repr__(self):
return f""
该函数获取类的实例并返回一个格式化字符串以轻松显示我们的信息。
这表明它正在工作,但是仅使用 python 对象没有什么是做不到的。数据库的明显优点是它被保存到一个单独的文件中,因此您的数据在程序执行之间保持不变。让我们将其分成一个简单的脚本来为数据库播种,以及一个将其打印出来进行演示的脚本。当我们这样做时,我们将向 pet 类添加更多功能。
import sqlite3
conn = sqlite3.connect('database.db')
cursor = conn.cursor()
class pet:
# dictionary of objects saved to the database.
all = {}
def __init__(self, name, species, id=none):
self.id = id
self.name = name
self.species = species
def __repr__(self):
return f""
@classmethod
def create_table(cls):
""" create a new table to persist the attributes of animal instances """
sql = """
create table if not exists pets (
id integer primary key,
name text,
species text)
"""
cursor.execute(sql)
conn.commit()
@classmethod
def drop_table(cls):
sql = """
drop table if exists pets;
"""
cursor.execute(sql)
conn.commit()
@classmethod
def create(cls, name, species):
""" initialize a new pet instance and save the object to the database """
pet = cls(name, species)
pet.save()
return pet
def save(self):
sql = """
insert into pets (name, species)
values (?, ?)
"""
cursor.execute(sql, (self.name, self.species))
conn.commit()
self.id = cursor.lastrowid
type(self).all[self.id] = self
def update(self):
sql = """
update pets
set name = ?, location = ?
where id = ?
"""
cursor.execute(sql, (self.name, self.location, self.id))
conn.commit()
def delete(self):
sql = """
delete from pets
where id = ?
"""
cursor.execute(sql, (self.id,))
conn.commit()
# delete the dictionary entry using id as the key
del type(self).all[self.id]
# set the id to none
self.id = none
@classmethod
def get_all(cls):
sql = """
select *
from pets
"""
rows = cursor.execute(sql).fetchall()
return [cls.instance_from_db(row) for row in rows]
我们的种子脚本:
from pet import pet
def seed_database():
pet.drop_table()
pet.create_table()
fido = pet.create("fido", "dog")
lucy = pet.create("lucy", "turtle")
borris = pet.create("borris", "goldfish")
seed_database()
我们的最终测试脚本会向数据库添加一个条目并显示其内容。
from pet import pet
def add_and_display():
pet.create("bob", "chicken")
for pet in pet.get_all():
print(pet)
add_and_display()
现在,如果我们想重置数据库并给它一些初始值,我们只需运行:
$ python lib/seed.py
我们可以通过运行看到它持续存在:
$ python lib/display.py
每次运行显示脚本时,它都会向表中添加另一个 bob!
这远不是一个好的 orm 的全部内容,但它是一个很好的框架,可以帮助您了解标准化对象关系管理器的底层情况。
以上就是《建立 ORM 研讨会》的详细内容,更多关于的资料请关注golang学习网公众号!
使用Python高效读取数百万行SQL数据
- 上一篇
- 使用Python高效读取数百万行SQL数据
- 下一篇
- 长时间中断后重新开始编码
-
- 文章 · python教程 | 2小时前 | python · Python 类型提示 typing get_protocol_members Protocol
- Python get_protocol_members 怎么读取 Protocol 成员集合
- 487浏览 收藏
-
- 文章 · python教程 | 14小时前 | 文件处理 · python · Python TempFile 临时文件 SpooledTemporaryFile rollover
- Python SpooledTemporaryFile 怎么手动触发写入磁盘
- 307浏览 收藏
-
- 文章 · python教程 | 16小时前 |
- Python Path.info 缓存的文件类型信息什么时候会过期
- 438浏览 收藏
-
- 文章 · python教程 | 20小时前 |
- Python asyncio.Queue shutdown 后等待者会收到什么
- 124浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python asyncio.Barrier 等待任务被取消后会怎样
- 166浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python TaskGroup 怎么主动终止整组任务
- 242浏览 收藏
-
- 文章 · python教程 | 1天前 | SQLite · 数据一致性 · Python教程 · Python SQLite 数据库备份 sqlite3.Connection.backup
- Python sqlite3.Connection.backup 怎么在线复制数据库
- 264浏览 收藏
-
- 文章 · python教程 | 1天前 | python · Python zip zipfile zipfile.Path
- Python zipfile.Path 怎么像目录一样遍历压缩包
- 370浏览 收藏
-
- 文章 · python教程 | 1天前 | 内存优化 · Python教程 · Python 大数组 PickleBuffer pickle协议5
- Python PickleBuffer 怎么减少大数组复制
- 207浏览 收藏
-
- 文章 · python教程 | 1天前 | 标准库 · Python教程 · Python Traversable importlib.resources zipimport
- Python importlib.resources.files 怎么访问压缩包内资源
- 143浏览 收藏
-
- 文章 · python教程 | 1天前 | 标准库 · python · 进程管理 · Python subprocess.Popen pipesize
- Python subprocess.Popen pipesize 什么时候有效
- 187浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 347次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 410次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 411次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 369次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 194次使用
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览
-
- TensorFlow模型部署为API的TF Serving方法
- 2026-05-26 501浏览
-
- Python字符串编码转换:encode与decode详解
- 2026-05-16 501浏览
-
- TensorFlow裁剪无用算子方法详解
- 2026-05-15 501浏览

