当前位置:首页 > 文章列表 > 数据库 > MySQL > SQLAIchemy数据模型关联

SQLAIchemy数据模型关联

来源:SegmentFault 2023-02-24 13:57:56 0浏览 收藏

本篇文章向大家介绍《SQLAIchemy数据模型关联》,主要包括MySQL、python、flask,具有一定的参考价值,需要的朋友可以参考一下。

以下为读《深入理解Flask》

使用SQLAIchemy要建立相应的数据模型
而实际中模型之间又有一些不同的关系

比如一一对应,一对多个,多对多个
模型之间建立关系便必不可少了

用户表示例

ID Username Password UserAvator Email
1 bayi 123456 upload/avator1jpg 15157@qq.com
2 babai 123654 upload/avator2.jpg 123456@qq.com
3 xiaoming 654321 upload/avator3.jpg 123654@qq.com

图片表示例

ID user_id description Arddess
1 1 第一张图片 upload/1.jpg
2 1 第二张图片 upload/2.jpg
3 3 第三张图片 upload/3.jpg

标签表示例

ID tag
1 人物
2 风景
3 动物

约束表示例

ID 1 ID 2 ID 3
pic_id 1 pic_id 2 pic_id 1
tag_id 1 tag_id 1 tag_id 2

一对一

这种关联似乎很少用到,夫妻似乎是很好的生活模型
可以在丈夫一方加上外键,并加上唯一参数

class husband(db.Model):
    __tablename__ = 'husband'
    id = db.Column(db.Integer, primary_key=True)
    husbandname = db.Column(db.String(80), unique=True)
    wife = db.relationship('wife', backref='husband', lazy='dynamic',unique=True)
在妻子一方加上指向husband的值

class wife(db.Model):
    id = db.Column(db.Integer, primary_key=True)
    wifename = db.Column(db.String(80), unique=True)
    husbandId = db.Column(db.Integer, db.ForeignKey('husband.id'))

一对多

这个关系算是常用的了,这次的demo里也有这个:user->picture
一个用户会上传多张图片,相当于把一对一里的唯一参数删去
user.pictures就成了一个列表

class User(db.Model):
    __tablename__ = 'User'
    id = db.Column(db.Integer, primary_key=True)
    username = db.Column(db.String(80), unique=True)
    password= db.Column(db.String(128))
    avator= db.Column(db.String(35), unique=True)
    email = db.Column(db.String(120), unique=True,index=True)
    picture = db.relationship('Picture', backref='user', lazy='dynamic')

class Picture(db.Model):
    id = db.Column(db.Integer, primary_key=True)
    dsepriction= db.Column(db.String(5000), unique=True)
    address= db.Column(db.String(35), unique=True)
    userId = db.Column(db.Integer, db.ForeignKey('User.id'))

多对多

比如这次用到的图片->标签
多对多的建立就需要一个约束表的存在

#约束表
relation = db.Table('relation',
    db.Column('tags_id', db.Integer, db.ForeignKey('tags.id'),primary_key=True),
    db.Column('picture_id', db.Integer, db.ForeignKey('picture.id'),primary_key=True)
)

class Picture(db.Model):
    id = db.Column(db.Integer, primary_key=True)
    dsepriction= db.Column(db.String(5000), unique=True)
    address= db.Column(db.String(35), unique=True)
    userId = db.Column(db.Integer, db.ForeignKey('User.id'))
    tags = db.relationship(
        'Tags', secondary=relation,backref=db.backref('picture', lazy='dynamic'))

class Tags(db.Model):
    id = db .Column(db.Integer, primary_key=True)
    tag = db.Column(db.String(50))
多对多关系一开始写就感觉对操作方面很迷,就实际操作了一下
实际操作一下可以体会一下他的这种用法

C:\Users\bayi\Desktop\irides (master)
(venv) λ python manage.py shell
>>> pic=picture.query.filter_by(id=2).first()
>>> pic

>>> tag1=tags.query.first()
>>> tag1

>>> tag2=tags.query.filter_by(id=2).first()
>>> tag2

>>> pic.tags=[tag1,tag2]
>>> db.session.add(pic)
>>> db.session.commit()

多对多

到这里,我们也就讲完了《SQLAIchemy数据模型关联》的内容了。个人认为,基础知识的学习和巩固,是为了更好的将其运用到项目中,欢迎关注golang学习网公众号,带你了解更多关于mysql的知识点!

版本声明
本文转载于:SegmentFault 如有侵犯,请联系study_golang@163.com删除
如何在flask实现form搜索如何在flask实现form搜索
上一篇
如何在flask实现form搜索
mysql之lock unlock tables
下一篇
mysql之lock unlock tables
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    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
    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
    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
    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
    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
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    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。
    737次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    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。
    737次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    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。
    820次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    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。
    781次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    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。
    614次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码