Flask-SQLAlchemy常用方法

常見的查詢方法:

all()返回所有用戶

User.query.all()

first()返回第一條用戶 沒有返回None
first_or_404()返回第一條用戶,沒有返回404錯誤響應(yīng)

User.query.first()
User.query.first_or_404()

get() 返回指定的主鍵(id 字段)的用戶
get_or_404() 返回指定的主鍵(id字段)的用戶,沒有返回404錯誤響應(yīng)

User.query.get(1)
User.query.get_or_404(1)

count() 返回用戶的數(shù)量

User.query.count()

paginate()返回一個Pagination對象参淫,可以對用戶進(jìn)行分頁處理

User.query.order_by(user.timestamp.desc()).paginate(page, per_page)
page: 當(dāng)前頁數(shù)
per_page: 每頁的條數(shù)

with_parent(instance)傳入模型類實例對象作為參數(shù)允粤,返回和這個實例相關(guān)的對象
實例:獲取用戶未讀信息的條數(shù)(User, Massage 外鍵關(guān)聯(lián))

user = User.query.get(1)
massage = Massage.query.with_parent(user).filter_by(is_read = False).count()

常用過濾方法

filter()馁痴、filter_by()使用制定的過濾規(guī)則嚷硫,獲取想要的查詢對象

User.query.filter(User.name=='jack').first()
User.query.filter_by(name='jack').first()

like 模糊過濾查詢:

User.query.filter(User.name like ('%ac%')).all()

in 包含過濾查詢:

User.query.filter(User.name in_(['jack','mary','bruce'])).all()

not in 不包含過濾查詢:

User.query.filter(~User.name in_(['jack','mary','bruce'])).all()

and 邏輯與過濾查詢:

User.query.filter(and_(User.name=='jack', User.gender == 1)).all()

or 邏輯或過濾查詢:

User.query.filter(or_(User.name=='jack', User.name == 'mary')).all()

order_by 按照規(guī)定的順序查詢:

# 按照id升序
User.query.filter(User.gender==1).order_by(User.id).all()
# 按照id降序
User.query.filter(User.gender==1).order_by(User.id.desc()).all()

limit 限制數(shù)量查詢:

User.query.filter(User.gender==1).limit(3).all()

group_by 根據(jù)條件分組查詢:

from sqlalchemy import func
# 使用with_entities()方法來獲取要在結(jié)果中返回的列
# lable 給字段起別名
User.query.with_entities(User, func.count(*).lable('num')).group_by(User.gender).all()

offset 根據(jù)指定的偏移量查詢:

User.query.offset(2).limit(5).all()

func.random 隨機(jī)獲取查詢:

User.query.order_by(func.random()).limit(10)
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末按灶,一起剝皮案震驚了整個濱河市症革,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌鸯旁,老刑警劉巖噪矛,帶你破解...
    沈念sama閱讀 206,214評論 6 481
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異铺罢,居然都是意外死亡艇挨,警方通過查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 88,307評論 2 382
  • 文/潘曉璐 我一進(jìn)店門韭赘,熙熙樓的掌柜王于貴愁眉苦臉地迎上來缩滨,“玉大人,你說我怎么就攤上這事泉瞻÷雎” “怎么了?”我有些...
    開封第一講書人閱讀 152,543評論 0 341
  • 文/不壞的土叔 我叫張陵瓦灶,是天一觀的道長鸠删。 經(jīng)常有香客問我,道長贼陶,這世上最難降的妖魔是什么刃泡? 我笑而不...
    開封第一講書人閱讀 55,221評論 1 279
  • 正文 為了忘掉前任巧娱,我火速辦了婚禮,結(jié)果婚禮上烘贴,老公的妹妹穿的比我還像新娘禁添。我一直安慰自己,他們只是感情好桨踪,可當(dāng)我...
    茶點(diǎn)故事閱讀 64,224評論 5 371
  • 文/花漫 我一把揭開白布老翘。 她就那樣靜靜地躺著,像睡著了一般锻离。 火紅的嫁衣襯著肌膚如雪铺峭。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 49,007評論 1 284
  • 那天汽纠,我揣著相機(jī)與錄音卫键,去河邊找鬼。 笑死虱朵,一個胖子當(dāng)著我的面吹牛莉炉,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播碴犬,決...
    沈念sama閱讀 38,313評論 3 399
  • 文/蒼蘭香墨 我猛地睜開眼絮宁,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了服协?” 一聲冷哼從身側(cè)響起绍昂,我...
    開封第一講書人閱讀 36,956評論 0 259
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎蚯涮,沒想到半個月后治专,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 43,441評論 1 300
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡遭顶,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 35,925評論 2 323
  • 正文 我和宋清朗相戀三年张峰,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片棒旗。...
    茶點(diǎn)故事閱讀 38,018評論 1 333
  • 序言:一個原本活蹦亂跳的男人離奇死亡喘批,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出铣揉,到底是詐尸還是另有隱情饶深,我是刑警寧澤,帶...
    沈念sama閱讀 33,685評論 4 322
  • 正文 年R本政府宣布逛拱,位于F島的核電站敌厘,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏朽合。R本人自食惡果不足惜俱两,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,234評論 3 307
  • 文/蒙蒙 一饱狂、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧宪彩,春花似錦休讳、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,240評論 0 19
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至活合,卻和暖如春雏婶,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背芜辕。 一陣腳步聲響...
    開封第一講書人閱讀 31,464評論 1 261
  • 我被黑心中介騙來泰國打工尚骄, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人侵续。 一個月前我還...
    沈念sama閱讀 45,467評論 2 352
  • 正文 我出身青樓,卻偏偏與公主長得像憨闰,于是被迫代替她去往敵國和親状蜗。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 42,762評論 2 345

推薦閱讀更多精彩內(nèi)容