从 0 到 1 的 ORM 指南：Python+SQLAlchemy+MySQL

Ne0inhk

— 10 min read

作为 Python 生态中最强大的 ORM 框架，SQLAlchemy 几乎是中大型 Python 项目的 “标配”—— 它能帮你用 Python 类操作 MySQL 数据库，彻底告别原生 SQL 的繁琐。

本文针对0 基础小白，从环境搭建→核心概念→CRUD 实战→关系映射，一步步讲清如何用 SQLAlchemy 连接 MySQL。全程代码可复制，每一行都有解释，目标是让你 “学完就能用”。

一、前置准备：环境搭好再开始

在写代码前，必须先搞定 3 件事：安装 MySQL、安装 Python 库、配置连接。

1. 安装 MySQL（新手推荐用 Docker，避免踩坑）

如果不想折腾 MySQL 的安装（比如 Windows 下的环境变量、权限问题），直接用 Docker 跑 MySQL——1 条命令就能启动：

# 启动MySQL 8.0容器（密码设为root123，端口映射3306） docker run -d --name mysql -p 3306:3306 -e MYSQL_ROOT_PASSWORD=root123 mysql:8.0

验证是否启动成功：

docker ps # 看mysql容器是否在运行

2. 安装 Python 依赖库

需要两个库：

  • pymysql：Python 连接 MySQL 的驱动；
  • sqlalchemy：核心 ORM 框架。

用 pip 安装：

pip install pymysql sqlalchemy

3. 测试 MySQL 连接（避免后续踩坑）

先写一段代码，验证能否连接到 MySQL：

from sqlalchemy import create_engine # MySQL连接字符串格式：mysql+pymysql://用户名:密码@主机:端口/数据库名 # 注意：首次连接需要先在MySQL中创建数据库（比如test_db） engine = create_engine('mysql+pymysql://root:root123@localhost:3306/test_db') # 测试连接（无报错则成功） with engine.connect() as conn: print("连接成功！")

关键说明：

  • 连接字符串中的test_db需要先在 MySQL 中创建（用 Navicat 或命令行CREATE DATABASE test_db;）；
  • 如果用本地 MySQL 而非 Docker，host填localhost，密码填你安装时设置的密码。

二、SQLAlchemy 核心概念：3 个组件搞定 ORM

SQLAlchemy 的核心是 **“用对象封装数据库操作”**，你需要先理解 3 个关键组件：

1. Engine：数据库连接的 “总开关”

  • 作用：管理数据库连接池（不用每次操作都新建连接，提升性能）；
  • 类比：像家里的 “总电源开关”，控制所有电器的供电。

创建 Engine 的代码：

from sqlalchemy import create_engine # 连接字符串格式：mysql+pymysql://用户名:密码@主机:端口/数据库名 engine = create_engine( 'mysql+pymysql://root:root123@localhost:3306/test_db', echo=True, # 打印执行的SQL（调试用，上线关闭） pool_size=5, # 连接池大小（默认5） max_overflow=10 # 超出连接池后的最大连接数（默认10） )

2. Base：所有模型的 “模板”

  • 作用：定义模型类的基类，自动映射类到数据库表；
  • 类比：像 “建筑图纸”，所有房子（模型类）都基于这个图纸建造。

创建 Base 的代码：

from sqlalchemy.orm import declarative_base # 创建模型基类（所有模型类都要继承它） Base = declarative_base()

3. Session：操作数据库的 “把手”

  • 作用：负责和数据库交互（新增、查询、更新、删除）；
  • 类比：像 “遥控器”，通过它控制电视（数据库）的操作。

创建 Session 的代码：

from sqlalchemy.orm import sessionmaker # 创建Session工厂（绑定Engine） SessionLocal = sessionmaker(bind=engine) # 获取Session实例（每次操作都要新建Session） session = SessionLocal()

总结：Engine→连接池→Session→操作数据库；Base→模型类→表结构。

三、实战 1：定义第一个模型类 ——User 表

现在，我们用 Base 定义一个User类，对应 MySQL 的users表。

1. 定义模型类

from sqlalchemy import Column, Integer, String, DateTime from sqlalchemy.sql import func from datetime import datetime # 继承Base基类 class User(Base): __tablename__ = 'users' # 对应数据库的users表（必须小写） # 字段定义（Column是表字段的装饰器） id = Column(Integer, primary_key=True, index=True) # 主键（自增） name = Column(String(50), nullable=False) # 姓名（非空） email = Column(String(100), unique=True, index=True) # 邮箱（唯一，加索引） age = Column(Integer) # 年龄（可选） created_at = Column(DateTime(timezone=True), default=func.now()) # 创建时间（自动填充当前时间）

关键说明：

  • __tablename__：模型类对应的表名（必须和数据库中的表名一致，MySQL 默认小写）；
  • primary_key=True：标记为主键（自增）；
  • nullable=False：字段非空（插入数据时必须传值）；
  • unique=True：字段唯一（避免重复邮箱）；
  • func.now()：用 MySQL 的NOW()函数自动填充当前时间（比 Python 的datetime.now()更准确）。

2. 创建表结构（让模型映射到数据库）

定义好模型类后，需要用 Base 创建表：

# 创建所有继承Base的模型对应的表（第一次运行时执行） Base.metadata.create_all(bind=engine)

注意：

  • 这段代码只会创建不存在的表（不会覆盖已有表）；
  • 如果修改了模型类（比如新增字段），需要用迁移工具（如 Alembic）更新表结构（本文暂不展开）。

四、实战 2：CRUD 操作 —— 像 “操作 Python 对象” 一样操作数据库

现在，我们用 Session 实现增删改查，全程不用写 SQL！

1. 新增数据（Create）

# 创建User实例（相当于数据库中的一行数据） user = User(name='张三', email='[email protected]', age=18) # 将实例添加到Session（相当于“暂存”） session.add(user) # 提交Session（相当于“确认”，将数据写入数据库） session.commit() # 刷新实例（获取自增的id） session.refresh(user) print(f"新增用户ID：{user.id}")

关键说明：

  • add()只是将数据 “暂存” 到 Session，必须 commit () 才会写入数据库；
  • refresh()会从数据库中获取最新数据（比如自增的 id）。

2. 查询数据（Read）

SQLAlchemy 提供了强大的查询 API，常用的有：

（1）根据主键查询（最常用）
# 根据id=1查询用户 user = session.get(User, 1) if user: print(f"用户姓名：{user.name}，邮箱：{user.email}") else: print("用户不存在")
（2）条件查询（比如查年龄≥18 的用户）
from sqlalchemy import select # 构建查询语句（SELECT * FROM users WHERE age >= 18） stmt = select(User).where(User.age >= 18) # 执行查询（返回所有符合条件的用户） users = session.execute(stmt).scalars().all() for user in users: print(f"ID：{user.id}，姓名：{user.name}")
（3）模糊查询（比如查姓名包含 “张” 的用户）
stmt = select(User).where(User.name.like('%张%')) users = session.execute(stmt).scalars().all()

3. 更新数据（Update）

# 先查询要修改的用户 user = session.get(User, 1) # 修改属性 user.age = 20 user.email = '[email protected]' # 提交修改（自动生成UPDATE语句） session.commit()

4. 删除数据（Delete）

# 先查询要删除的用户 user = session.get(User, 1) # 删除实例 session.delete(user) # 提交删除（自动生成DELETE语句） session.commit()

五、实战 3：关系映射 —— 处理表之间的 “一对多” 关系

实际项目中，表之间一定有关系（比如用户和订单的 “一对多”），SQLAlchemy 能自动处理这些关系。

1. 定义关联模型（比如 Order 表）

class Order(Base): __tablename__ = 'orders' id = Column(Integer, primary_key=True, index=True) user_id = Column(Integer, ForeignKey('users.id')) # 外键（关联users表的id） product = Column(String(100), nullable=False) price = Column(Integer, nullable=False) created_at = Column(DateTime(timezone=True), default=func.now()) # 关系映射：Order→User（多对一） user = relationship('User', back_populates='orders') # back_populates指向User的orders属性

2. 在 User 表中添加反向关系

class User(Base): __tablename__ = 'users' # 之前的字段... # 反向关系：User→Order（一对多） orders = relationship('Order', back_populates='user') # back_populates指向Order的user属性

3. 测试关系映射

# 创建用户 user = User(name='李四', email='[email protected]', age=25) session.add(user) session.commit() # 创建订单（自动关联user_id） order1 = Order(user_id=user.id, product='手机', price=5999) order2 = Order(user_id=user.id, product='电脑', price=9999) session.add_all([order1, order2]) session.commit() # 查询用户的所有订单（通过user.orders） user = session.get(User, user.id) for order in user.orders: print(f"订单ID：{order.id}，商品：{order.product}，价格：{order.price}")

关键说明：

  • ForeignKey('users.id')：Order 表的user_id关联 User 表的id（外键约束）；
  • relationship：定义模型之间的关系（比如 User 的orders属性会自动查询该用户的所有订单）；
  • back_populates：双向关联（User 的orders和 Order 的user互相引用）。

六、进阶：优化与避坑 —— 小白必看！

1. 连接池配置（提升性能）

Engine 默认开启连接池（大小 5），可以通过create_engine的参数优化：

engine = create_engine( 'mysql+pymysql://root:root123@localhost:3306/test_db', pool_size=10, # 连接池大小（默认5） max_overflow=20, # 超出连接池后的最大连接数（默认10） pool_timeout=30, # 获取连接的超时时间（默认30秒） pool_recycle=1800 # 连接的存活时间（1800秒=30分钟，避免连接失效） )

2. 避免 SQL 注入（安全第一）

SQLAlchemy 的query和execute方法会自动处理 SQL 注入（用参数化查询），禁止手动拼接 SQL！

错误示例（会被 SQL 注入）：

name = "张三'; DROP TABLE users; --" session.execute(f"SELECT * FROM users WHERE name='{name}'") # 危险！

正确示例（参数化查询）：

from sqlalchemy import text name = "张三'; DROP TABLE users; --" # 用text()和参数化查询 stmt = text("SELECT * FROM users WHERE name=:name") session.execute(stmt, {"name": name}) # 安全！

3. 事务处理（避免数据不一致）

SQLAlchemy 的 Session 默认开启事务，必须 commit () 才会提交，rollback () 可以回滚：

try: user = User(name='王五', email='[email protected]') session.add(user) # 模拟错误（比如除以0） 1 / 0 session.commit() # 错误发生，不会执行 except Exception as e: session.rollback() # 回滚事务（取消之前的操作） print(f"错误：{e}")

七、常见问题解答（小白踩坑高频区）

1. 连接报错 “Access denied for user 'root'@'localhost'”

  • 原因：密码错误或用户没有权限；

解决：检查连接字符串中的密码，或在 MySQL 中给 root 用户授权：

GRANT ALL PRIVILEGES ON *.* TO 'root'@'%' IDENTIFIED BY 'root123' WITH GRANT OPTION; FLUSH PRIVILEGES;

2. 新增数据时报 “Duplicate entry '[email protected]' for key 'email'”

  • 原因：邮箱重复（unique=True约束）；
  • 解决：确保插入的邮箱唯一，或在代码中处理重复错误。

3. 查询结果为空，但数据库中有数据

  • 原因：index=True需要先创建索引（或模型类的__tablename__写错）；
  • 解决：检查模型类的__tablename__是否和数据库表名一致，或重新创建表（Base.metadata.drop_all()→Base.metadata.create_all()）。

八、总结：SQLAlchemy 的优势与适用场景

SQLAlchemy 是Python 中最强大的 ORM 框架，它的优势是：

  • 跨数据库支持：支持 MySQL、PostgreSQL、SQLite 等，切换数据库只需修改连接字符串；
  • 强大的查询 API：支持复杂查询（联表、分组、排序），不用写 SQL；
  • 事务管理：自动处理事务，避免数据不一致；
  • 性能优化：连接池、索引、延迟加载等功能提升性能。

适用场景：

  • 中大型项目（需要复杂的数据库操作）；
  • 多数据库切换（比如从 SQLite 迁移到 MySQL）；
  • 需要事务管理和安全的项目（比如电商、金融）。

九、后续学习建议

  • 学习Alembic：数据库迁移工具（修改模型类后，自动更新表结构）；
  • 学习SQLAlchemy Core：直接写 SQL 表达式（比 ORM 更灵活）；
  • 学习查询优化：比如joinedload（预加载关联数据，避免 N+1 查询）。

最后，送你一句我用 SQLAlchemy 的经验：“ORM 是工具，不是银弹”—— 简单的查询可以用 ORM，复杂的查询（比如多表联查、统计）建议用 SQLAlchemy Core 或原生 SQL，平衡开发效率和性能。

Read more

RPA零基础入门：30分钟搭建第一个机器人

快速体验 1. 打开 InsCode(快马)平台 https://www.inscode.net 2. 输入框内输入如下内容： 设计一个面向新手的RPA教学项目，要求：1. 实现一个简单的文件整理机器人（自动分类下载文件夹中的文件）2. 包含分步骤教程和注释 3. 提供可视化流程图 4. 设置常见问题解答 5. 包含扩展练习建议。使用UiPath或Automation Anywhere社区版，确保代码简单易懂，适合零基础用户。 1. 点击'项目生成'按钮，等待项目生成完整后预览效果 今天想和大家分享一个特别适合RPA新手的实战项目——用30分钟搭建一个能自动整理文件的机器人。这个项目不需要编程基础，只要跟着步骤操作，就能快速感受到自动化带来的效率提升。 1. RPA是什么？为什么值得学？ RPA全称机器人流程自动化，就像雇了个数字员工帮你处理重复性工作。比如自动填表、整理文件、收发邮件等。我最初接触时也很疑惑：

By Ne0inhk

Face Fusion能否集成Stable Diffusion？创意组合玩法

Face Fusion能否集成Stable Diffusion？创意组合玩法深度解析 1. 引言：当人脸融合遇上AI绘画 你有没有想过，如果能把一张照片里的人脸，完美地“移植”到另一张由AI生成的奇幻场景里，会是什么效果？比如，把自己的脸放到一幅赛博朋克风格的未来城市画作中，或者让历史人物“穿越”到现代艺术里。 这正是我们今天要探讨的核心问题：Face Fusion（人脸融合）技术，能否与Stable Diffusion这样的AI绘画模型结合，创造出前所未有的创意玩法？ Face Fusion，简单来说，就是能把一张图片（源图像）里的人脸特征，智能地融合到另一张图片（目标图像）上。而Stable Diffusion，则是目前最强大的文生图AI模型之一，能根据文字描述生成各种风格的图像。这两者看似独立，但如果能结合起来，就能打开一扇通往无限创意的大门。 本文将带你深入探索这种技术组合的可能性。我们将从Face Fusion的基本原理讲起，分析它与Stable Diffusion集成的技术路径，并分享一些极具想象力的创意玩法。无论你是AI技术爱好者、内容创作者，

By Ne0inhk
【花雕动手做】拆解机器人底盘DDSM400钕强磁外转子65mm伺服轮毂电机

【花雕动手做】拆解机器人底盘DDSM400钕强磁外转子65mm伺服轮毂电机

做小型高精度全向机器人底盘，想找一款 “省心又能打” 的动力核心？DDSM400 钕强磁外转子 65mm 伺服轮毂电机 绝对是优选——它把无刷电机、FOC 伺服驱动、高精度编码器集成一体，钕强磁加持、外转子直驱设计，不用额外搭配驱动板，直接装轮就能用，是麦克纳姆轮底盘的 “一体化动力神器”。 但很多创客只知道它好用，却不清楚内部构造：钕强磁转子藏着怎样的动力秘密？伺服驱动和编码器是如何实现精准控制的？外转子直驱为什么能做到零背隙、低噪音？ 这里，就完整拆解这款 DDSM400 伺服轮毂电机，从外到内拆解核心部件，解析它的结构优势与工作逻辑，帮你真正看懂这款 “一体化伺服电机”，以后选型、改装、调试机器人底盘，都能心里有底、少走弯路。 DDSM400 伺服轮毂电机・简单拆解步骤 1、拧下轮毂固定螺丝用内六角扳手卸下电机外圈的固定螺丝，分离轮毂外壳与端盖。 2、取出外转子与强磁体轻轻取下外转子总成，内部可见一圈钕铁硼强磁，注意磁力较大，轻拿轻放。 3、

By Ne0inhk

一、FPGA到底是什么？？？（一篇文章让你明明白白）

一句话概括 FPGA（现场可编程门阵列） 是一块可以通过编程来“变成”特定功能数字电路的芯片。它不像CPU或GPU那样有固定的硬件结构，而是可以根据你的需求，被配置成处理器、通信接口、控制器，甚至是整个片上系统。 一个生动的比喻：乐高积木 vs. 成品玩具 * CPU（中央处理器）：就像一个工厂里生产好的玩具机器人。它的功能是固定的，你只能通过软件（比如按不同的按钮）来指挥它做预设好的动作（走路、跳舞），但你无法改变它的机械结构。 * ASIC（专用集成电路）：就像一个为某个特定任务（比如只会翻跟头）而专门设计和铸造的金属模型。性能极好，成本低（量产时），但一旦制造出来，功能就永远无法改变。 * FPGA：就像一盒万能乐高积木。它提供了大量基本的逻辑单元（逻辑门、触发器）、连线和接口模块。你可以通过“编程”（相当于按照图纸搭建乐高）将这些基本模块连接起来，构建出你想要的任何数字系统——可以今天搭成一个CPU，明天拆了重新搭成一个音乐播放器。 “现场可编程”

By Ne0inhk