Python 数据库操作指南：使用 SQLAlchemy ORM 实现高效开发

创建数据库表

在首次运行应用时，需要基于模型元数据创建物理表：

# 创建所有表
Base.metadata.create_all(bind=engine)

# 如需重置数据库，可取消注释删除所有表
# Base.metadata.drop_all(bind=engine)

基本 CRUD 操作

创建数据

添加单个对象后需提交事务，批量添加则使用 add_all：

# 创建新用户
new_user = User(name="张三", email="[email protected]")
session.add(new_user)
session.commit()

# 批量创建
session.add_all([
    User(name="李四", email="[email protected]"),
    User(name="王五", email="[email protected]")
])
session.commit()

读取数据

查询方法灵活，支持链式调用：

# 获取所有用户
users = session.query(User).all()
# 获取第一个用户
first_user = session.query(User).first()
# 根据 ID 获取用户
user = session.query(User).get(1)

更新数据

直接修改对象属性并提交即可，支持条件批量更新：

# 查询并更新
user = session.query(User).get(1)
user.name = "张三四"
session.commit()

# 批量更新
session.query(User).filter(User.name.like("张%"))\
    .update({"name": "张氏"}, synchronize_session=False)
session.commit()

删除数据

注意删除操作同样需要提交：

# 查询并删除
user = session.query(User).get(1)
session.delete(user)
session.commit()

# 批量删除
session.query(User).filter(User.name == "李四")\
    .delete(synchronize_session=False)
session.commit()

高级查询技巧

过滤与排序

利用 filter、order_by、limit 等构建复杂查询：

from sqlalchemy import or_

# 等值过滤
user = session.query(User).filter(User.name == "张三").first()
# 模糊查询
users = session.query(User).filter(User.name.like("张%")).all()
# IN 查询
users = session.query(User).filter(User.name.in_( ["张三", "李四"] )).all()
# 多条件组合
users = session.query(User).filter(
    User.name == "张三",
    User.email.like("%@example.com")
).all()
# 或条件
users = session.query(User).filter(
    or_(User.name == "张三", User.name == "李四")
).all()
# 不等于
users = session.query(User).filter(User.name != "张三").all()

聚合与连接

处理统计数据和跨表关联：

from sqlalchemy import func

# 计数
count = session.query(User).count()
# 分组计数
user_post_count = session.query(
    User.name,
    func.count(Post.id)
).join(Post).group_by(User.name).all()
# 求和、平均值等
avg_id = session.query(func.avg(User.id)).scalar()

# 内连接
results = session.query(User, Post).join(Post)\
    .filter(Post.title.like("%Python%")).all()
# 左外连接
results = session.query(User, Post).outerjoin(Post).all()
# 指定连接条件
results = session.query(User, Post).join(Post, User.id == Post.author_id).all()

关系操作实战

ORM 的强大之处在于自动处理对象间的关联加载：

# 创建带关系的对象
user = User(name="赵六", email="[email protected]")
post = Post(title="我的第一篇博客", content="Hello World!", author=user)
session.add(post)
session.commit()

# 通过关系访问
print(f"文章 '{post.title}' 的作者是 {post.author.name}")
print(f"用户 {user.name} 的所有文章:")
for p in user.posts:
    print(f" - {p.title}")

# 多对多关系操作
python_tag = Tag(name="Python")
sqlalchemy_tag = Tag(name="SQLAlchemy")
post.tags.append(python_tag)
post.tags.append(sqlalchemy_tag)
session.commit()

print(f"文章 '{post.title}' 的标签:")
for tag in post.tags:
    print(f" - {tag.name}")

事务管理与异常处理

数据库操作必须考虑事务的一致性，建议使用上下文管理器或 try-except 块：

# 手动事务控制
try:
    user = User(name="测试用户", email="[email protected]")
    session.add(user)
    session.commit()
except Exception as e:
    session.rollback()
    print(f"发生错误：{e}")

# 嵌套事务与保存点
with session.begin_nested():
    user = User(name="事务用户", email="[email protected]")
    session.add(user)
    savepoint = session.begin_nested()
    try:
        user = User(name="保存点用户", email="[email protected]")
        session.add(user)
        savepoint.commit()
    except:
        savepoint.rollback()

最佳实践建议

1. 会话管理：为每个请求创建新会话，请求结束后务必关闭，避免资源泄露。
2. 异常处理：始终捕获异常并在失败时回滚事务，防止脏数据。
3. 延迟加载：注意 N+1 查询问题，必要时使用 joinedload 或 selectinload 优化 eager loading。
4. 连接池配置：根据应用负载合理设置连接池大小和超时时间。
5. 数据验证：在模型层或应用层双重校验数据完整性。

推荐使用上下文管理器封装会话逻辑：

from contextlib import contextmanager

@contextmanager
def get_db():
    db = SessionLocal()
    try:
        yield db
        db.commit()
    except Exception:
        db.rollback()
        raise
    finally:
        db.close()

# 使用示例
with get_db() as db:
    user = User(name="上下文用户", email="[email protected]")
    db.add(user)

结语

SQLAlchemy ORM 提供了强大而灵活的数据库操作能力。通过掌握上述内容，你已经能够完成从环境搭建、模型定义到复杂查询与事务管理的完整流程。当然，它还支持混合属性、事件监听等更多高级特性，值得在实际项目中持续探索。