sqlalchemy带条件查询相关应用

sqlalchemy带条件查询

filter_by与filter

filter_by 与filter的区别:
1. filter_by只能取值= filter可以==,!=,>=,<=等多种取值方式
2. filter带参数必须表名.字段名 User.username

#带条件查询
# print(session.query(User).filter_by(username='111').all())
# row = session.query(User).filter(User.username=='dandan').all()
# print(row)

结果

[<User(id='14' ,username='111',password='111',createtime='2018-03-09 20:29:18',_locked ='False',)>]
[<User(id='1' ,username='dandan',password='123asd',createtime='2018-03-06 22:52:51',_locked ='False',)>]
如何查看sqlalchemey的sql语句

去掉all()就可以看到

row = session.query(User).filter(User.username!='aaa')
print(row)

结果

SELECT user.id AS user_id, user.username AS user_username, user.password AS user_password, user.createtime AS user_createtime, user._locked AS user__locked 
FROM user 
WHERE user.username != %(username_1)s
表中单个字段查询
print(session.query(User.username).filter(User.username!='dandan').all())

结果

[('tobee',), ('tree',), ('aaa',), ('coding',), ('choupi',), ('111',), ('choupidan',), ('youku',)]
first()

仅查询显示第一个

print(session.query(User.username).filter(User.username!='dandan').first())
('tobee',)
one()

只查询出来第一个,有且只有一个
如果有两个符合条件的,会报错

print(session.query(User).filter(User.username=='choupi').one())

结果

<User(id='12' ,username='choupi',password='q1',createtime='2018-03-09 20:27:54',_locked ='False',)>
get 根据主键查询

主键在表中只有一个
例如ID为主键,查询id=3的元素

print(session.query(User).get(3))
<User(id='3' ,username='tree',password='zzz111',createtime='2018-03-09 14:44:21',_locked ='False',)>
limit 限制查询结果

limit(3) 仅查出3条结果

print(session.query(User).filter(User.username!='dandan').limit(3).all())
[<User(id='2' ,username='tobee',password='234qwe',createtime='2018-03-07 16:16:05',_locked ='False',)>, <User(id='3' ,username='tree',password='zzz111',createtime='2018-03-09 14:44:21',_locked ='False',)>, <User(id='4' ,username='aaa',password='111',createtime='2018-03-09 17:57:15',_locked ='False',)>]
offset() 限制前面n个,显示后面n+1个

显示第三个以后

print(session.query(User.username).filter(User.username!='dandan').all())
print(session.query(User.username).filter(User.username!='dandan').limit(3).all())

print(session.query(User.username).filter(User.username!='dandan').offset(3).all())

结果:

[('tobee',), ('tree',), ('aaa',), ('coding',), ('choupi',), ('111',), ('choupidan',), ('youku',)]
[('tobee',), ('tree',), ('aaa',)]
[('coding',), ('choupi',), ('111',), ('choupidan',), ('youku',)]
slice() 切片

slice(1,3) 与python的slice一致,从0开始 左闭右开,显示1,2两个元素

print(session.query(User.username).filter(User.username!='dandan').slice(1,3).all())
[('tree',), ('aaa',)]
order_by() 元素排序 顺序
print(session.query(User.username).filter(User.username!='dandan').order_by(User.username).all())

按数字字符顺序排序

[('111',), ('aaa',), ('choupi',), ('choupidan',), ('coding',), ('tobee',), ('tree',), ('youku',)]
desc() 逆序排序
from sqlalchemy import desc
print(session.query(User.username).filter(User.username!='dandan').order_by(desc(User.username)).all())

逆序排序

[('youku',), ('tree',), ('tobee',), ('coding',), ('choupidan',), ('choupi',), ('aaa',), ('111',)]
like()

结合%使用 与原生sql一致

print(session.query(User.username).filter(User.username.like('%e')).all())
[('tobee',), ('tree',)]
notlike()
print(session.query(User.username).filter(User.username.notlike('%e')).all())
[('dandan',), ('aaa',), ('coding',), ('choupi',), ('111',), ('choupidan',), ('youku',)]
in_()
print(session.query(User.username).filter(User.username.in_(['dandan','aaa'])).all())
[('dandan',), ('aaa',)]
notin_
print(session.query(User.username).filter(User.username.notin_(['dandan','aaa'])).all())
[('tobee',), ('tree',), ('coding',), ('choupi',), ('111',), ('choupidan',), ('youku',)]
is_

两种表达方式 None

print(session.query(User.username).filter(User.username==None).all())
print(session.query(User.username).filter(User.username.is_(None)).all())
isnot

filter支持多条件查询

print(session.query(User.username).filter(User.username.isnot(None),User.password=='111').all())
[('aaa',), ('111',)]
or_
from sqlalchemy import or_
print(session.query(User.username).filter(or_(User.username.isnot(None),User.password=='111')).all())
[('dandan',), ('tobee',), ('tree',), ('aaa',), ('coding',), ('choupi',), ('111',), ('choupidan',), ('youku',)]

聚合函数

count group_by
from sqlalchemy import func
print(session.query(User.password,func.count(User.id)).group_by(User.password).all())

查询原生sql

SELECT user.password AS user_password, count(user.id) AS count_1 
FROM user GROUP BY user.password
[('111', 2), ('123asd', 1), ('234qwe', 1), ('333', 1), ('choupidan', 1), ('q1', 1), ('qwer', 1), ('zzz111', 1)]
having

having的用法
having字句可以让我们筛选成组后的各种数据,where字句在聚合前先筛选记录,也就是说作用在group by和having字句前。
而having子句在聚合后对组记录进行筛选。真实表中没有此数据,这些数据是通过一些函数生存。

print(session.query(User.password,func.count(User.id)).group_by(User.password).\
      having(func.count(User.id)>1).all())
[('111', 2)]
sum
print(session.query(User.password,func.sum(User.id)).group_by(User.password).all())

[(‘111’, Decimal(‘18’)), (‘123asd’, Decimal(‘1’)), (‘234qwe’, Decimal(‘2’)), (‘333’, Decimal(‘16’)), (‘choupidan’, Decimal(‘15’)), (‘q1’, Decimal(‘12’)), (‘qwer’, Decimal(‘5’)), (‘zzz111’, Decimal(‘3’))]

max
print(session.query(User.password,func.max(User.id)).group_by(User.password).all())

[(‘111’, 14), (‘123asd’, 1), (‘234qwe’, 2), (‘333’, 16), (‘choupidan’, 15), (‘q1’, 12), (‘qwer’, 5), (‘zzz111’, 3)]

min
print(session.query(User.password,func.min(User.id)).group_by(User.password).all())

[(‘111’, 4), (‘123asd’, 1), (‘234qwe’, 2), (‘333’, 16), (‘choupidan’, 15), (‘q1’, 12), (‘qwer’, 5), (‘zzz111’, 3)]

lable 别名

lable别名不能用在having中

extract

提取时间元素

from sqlalchemy import extract
print(session.query(extract('minute',User.createtime).label('minute'),func.count(User.id)).group_by('minute').all())

分钟排序

[(16, 1), (27, 1), (29, 3), (44, 1), (52, 1), (57, 2)]

天数排序

print(session.query(extract('day',User.createtime).label('day'),func.count(User.id)).group_by('day').all())
[(6, 1), (7, 1), (9, 7)]
<think>好的,用户现在问的是如何在Flask SQLAlchemy查询数据时加入筛选条件。我需要先回忆一下之前用户的问题历史。之前他问过关于Python列表排序的问题,现在转向了Flask和SQLAlchemy,可能是在开发Web应用,涉及数据库操作。 用户可能已经掌握了基本的模型定义和查询,现在需要更复杂的查询筛选。我需要解释清楚不同的筛选方法,比如filter和filter_by的区别,以及如何使用它们。 首先,用户可能不太清楚SQLAlchemy中过滤条件的基本语法,所以需要给出简单的例子。比如,使用filter_by来按字段等于某个值的情况,比如User.query.filter_by(username='admin').all()。然后,再介绍更灵活的filter方法,支持复杂的表达式,比如User.query.filter(User.age > 18).all()。 接下来,用户可能需要组合多个条件,这时候需要解释and_和or_的使用,或者链式调用filter。比如,User.query.filter(User.age > 18, User.country == 'China').all(),或者使用and_操作符。 另外,用户可能会遇到需要处理模糊查询的情况,比如LIKE操作符,这时候要介绍contains、startswith、endswith等方法,或者使用ilike进行不区分大小写的搜索。 还有一些高级用法,比如处理空值(is_,isnot),范围查询(between),以及排除某些条件(!=)。这些都是常见的筛选需求,需要覆盖到。 此外,用户可能关心如何执行原生SQL的筛选条件,这时候可以说明text的使用,比如filter(text("age > 18 AND name LIKE '张%'")),但也要提醒注意SQL注入的问题。 最后,需要提到分页和排序,虽然用户的问题是筛选,但结合之前的排序问题,可能用户需要综合应用这些方法。比如结合filter和order_by,或者使用paginate进行分页。 要确保回答结构清晰,分点说明,每个部分有示例代码,帮助用户理解。同时,注意提醒用户使用filter时的安全性,避免SQL注入,尤其是使用原生SQL时。 总结一下,我需要分步骤介绍不同的筛选方法,从简单到复杂,覆盖各种常见情况,并给出示例代码,确保用户能够逐步掌握如何在Flask SQLAlchemy中加入筛选条件。</think>在 Flask-SQLAlchemy 中,可以通过以下方法为查询添加筛选条件: --- ### **1. 基础筛选:`filter_by` 方法** 适用于**直接匹配字段值**的简单条件: ```python result = Model.query.filter_by(字段名=值).all() ``` #### 示例 查询用户名为 `admin` 的用户: ```python users = User.query.filter_by(username='admin').all() ``` --- ### **2. 灵活筛选:`filter` 方法** 支持更复杂的条件表达式(需通过 `Model.字段` 构建条件): ```python result = Model.query.filter(条件表达式).all() ``` #### 常用运算符 | 运算符 | 示例 | 等效 SQL | |---------------------------|-------------------------------|------------------------| | `==` | `User.age == 18` | `age = 18` | | `!=` | `User.age != 18` | `age != 18` | | `>` / `<` / `>=` / `<=` | `User.age > 20` | `age > 20` | | `in_()` | `User.age.in_([18, 20, 25])` | `age IN (18,20,25)` | | `like()` | `User.name.like('张%')` | `name LIKE '张%'` | | `ilike()`(不区分大小写) | `User.name.ilike('john%')` | `name ILIKE 'john%'` | | `is_()` / `isnot()` | `User.email.is_(None)` | `email IS NULL` | #### 示例 ```python # 查询年龄大于18岁的用户 users = User.query.filter(User.age > 18).all() # 查询名字以"张"开头且邮箱不为空的用户 users = User.query.filter( User.name.like('张%'), User.email.isnot(None) ).all() ``` --- ### **3. 组合条件** #### (1) **逻辑与(AND)** 直接链式调用 `filter` 或用 `and_`: ```python User.query.filter(User.age > 18, User.country == 'China').all() # 等效于 from sqlalchemy import and_ User.query.filter(and_(User.age > 18, User.country == 'China')).all() ``` #### (2) **逻辑或(OR)** 使用 `or_` 运算符: ```python from sqlalchemy import or_ User.query.filter(or_(User.age < 18, User.country != 'China')).all() ``` --- ### **4. 复杂查询** #### (1) 范围筛选(`between`) ```python User.query.filter(User.age.between(20, 30)).all() # 年龄在20-30岁之间 ``` #### (2) 排除特定值 ```python User.query.filter(User.role != 'admin').all() # 排除管理员角色 ``` #### (3) 原生 SQL 条件(`text`) ```python from sqlalchemy import text User.query.filter(text("age > 18 AND name LIKE '张%'")).all() ``` --- ### **5. 执行查询** | 方法 | 说明 | |------------|--------------------------| | `.all()` | 返回所有结果的列表 | | `.first()` | 返回第一个结果(无则返回`None`) | | `.count()` | 返回结果数量 | --- ### **完整示例** ```python # 查询年龄在20-30岁之间、名字包含"张"的用户,按年龄降序排列 users = User.query.filter( User.age.between(20, 30), User.name.like('%张%') ).order_by(User.age.desc()).all() ``` --- ### **注意事项** 1. **延迟执行**:SQLAlchemy查询是惰性的,只有调用 `.all()`、`.first()` 等方法时才会真正执行 2. **链式调用**:可以连续组合多个条件(如 `.filter(...).order_by(...).limit(10)`) 3. **性能优化**:复杂查询时建议使用 SQLAlchemy查询构建器而非原生 SQL,以避免 SQL 注入风险
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值