Dataset中SQLAlchemy如何使用

这篇文章给大家介绍Dataset中SQLAlchemy如何使用，内容非常详细，感兴趣的小伙伴们可以参考借鉴，希望对大家能有所帮助。

创新互联始终坚持【策划先行，效果至上】的经营理念，通过多达10多年累计超上千家客户的网站建设总结了一套系统有效的全网营销解决方案，现已广泛运用于各行各业的客户，其中包括：展览展示等企业，备受客户赞许。

Dataset对于操作JSON、CSV文件、NOSQL非常好用。

import dataset

连接MySQL数据库：

db = dataset.connect('mysql://username:password@10.10.10.10/ctf?charset=utf8')

用户名:username，密码:password，数据库地址(地址+端口):10.10.10.10，database名: ctf

连接SQLite数据库：

db = dataset.connect('sqlite:///ctf.db')

连接PostgreSQL数据库：

db = dataset.connect('postgresql://scott:tiger@localhost:5432/mydatabase')

一定要注意指定字符编码

table = db['city'] #（选择city表）  user = table('name') # 找出表中'name'列属性所有数据  res = db.query('select name from table limit 10') # 如果不需要查看全部数据的话***用limit，因为全部数据的载入非常非常耗时间  for x in res:  print x['name'] # 选name字段的数据  table.insert(dict(name='John Doe', age=37))  table.insert(dict(name='Jane Doe', age=34, gender='female'))  john = table.find_one(name='John Doe')

在数据库中查找是否有同时满足多个条件的数据：table.find_one(属性1=属性值1, 属性2=属性值2, …)

注：find_one速度很慢

插入数据

dataset会根据输入自动创建表和字段名

table = db['user']  # 或者table = db.get_table('user')  table.insert(dict(name='John Doe', age=46, country='China'))  table.insert(dict(name='Jane Doe', age=37, country='France', gender='female'))  # 主键id自动生成

更新数据

table.update(dict(name='John Doe', age=47), ['name'])  # 第二个参数相当于sql update语句中的where，用来过滤出需要更新的记录

事务操作

事务操作可以简单的使用上下文管理器来实现,出现异常，将会回滚

with dataset.connect() as tx:  tx['user'].insert(dict(name='John Doe', age=46, country='China'))  # 相当于：  db = dataset.connect()  db.begin()  try:  db['user'].insert(dict(name='John Doe', age=46, country='China'))  db.commit()  except:  db.rollback()  # 也可以嵌套使用:  db = dataset.connect()  with db as tx1:  tx1['user'].insert(dict(name='John Doe', age=46, country='China'))  with db as tx2:  tx2['user'].insert(dict(name='Jane Doe', age=37, country='France', gender='female'))

从表获取数据

users = db['user'].all()  for user in db['user']:  # print(user['age'])  # chinese_users = user.find(country='China')  john = user.find_one(name='John Doe')

获取非重复数据

db['user'].distinct('country')

删除记录

table.delete(place='Berlin')

执行SQL语句

result = db.query('SELECT country, COUNT(*) c FROM user GROUP BY country')  for row in result:  print(row['country'], row['c'])

导出数据

result = db['users'].all()  dataset.freeze(result, format='json', filename='users.json')

JSON

JSON(JavaScript Object Notation) 是一种轻量级的数据交换格式，非常易于人阅读和编写。

import json

json.dumps 将 Python 对象编码成 JSON 字符串

json.loads 将已编码的 JSON 字符串解码为 Python 对象

MySQL数据库：

分类表-categories，包括类别web,reversing，crypto(加解密),mic等

题目表-tasks,包括题目id，题目名，flag,分值，文件&地址，题目等级，题目详细描述

flag表-flag,包括题目id,用户id,得分，时间戳

用户表-users，包括用户id,用户名，密码

题目分类表-cat_task,包括题目id,题目类别id

flag表中每条数据由于是有题目ID task_id和用户ID user_id来共同确认的，所以采用复合主键：primary key  (task_id,user_id)

联合主键和复合主键的区别

python装饰器

Decorator通过返回包装对象实现间接调用,以此插入额外逻辑

https://www.zhihu.com/question/26930016

wraps本身也是一个装饰器，它能把原函数的元信息拷贝到装饰器函数中，这使得装饰器函数也有和原函数一样的元信息了

from functools import wraps  def logged(func):  @wraps(func)  def with_logging(*args,**kwargs):  print func.__name__ + "was called"  return func(*args,**kwargs)  return with_logging     @logged  def f(x):  """does some math"""  return x + x * x     print f.__name__ # prints 'f'  print f.__doc__ # prints 'does some math'

web框架采用flask

from flask import Flask

引入Flask类，Flask类实现了一个WSGI(Web Server Gateway Interface)应用

app = Flask(__name__)

app是Flask的实例，它接收包或者模块的名字作为参数，但一般都是传递__name__

@app.route('/')  def hello_world():  return 'Hello World!'

使用app.route装饰器会将URL和执行的视图函数的关系保存到app.url_map属性上。处理URL和视图函数的关系的程序就是路由，这里的视图函数就是hello_world

if __name__ == '__main__':  app.run(host='0.0.0.0',port=9000)

使用这个判断可以保证当其他文件引用这个文件的时候(例如from hello import  app)不会执行这个判断内的代码，也就是不会执行app.run函数。

执行app.run就可以启动服务了。默认Flask只监听虚拟机的本地127.0.0.1这个地址，端口为5000。而我们对虚拟机做的端口转发端口是9000，所以需要制定host和port参数，0.0.0.0表示监听所有地址，这样就可以在本机访问了。

服务器启动后，会调用werkzeug.serving.run_simple进入轮询，默认使用单进程单线程的werkzeug.serving.BaseWSGIServer处理请求，实际上还是使用标准库BaseHTTPServer.HTTPServer，通过select.select做0.5秒的while  TRUE的事件轮询。当我们访问http://127.0.0.1:9000/,通过app.url_map找到注册的/这个URL模式,就找到了对应的hello_world函数执行，返回hello  world!,状态码为200。如果访问一个不存在的路径，如访问http://127.0.0.1:9000/a,Flask找不到对应的模式，就会向浏览器返回Not  Found，状态码为404

flask中jsonify的作用

jsonify的作用实际上就是将我们传入的json形式数据序列化成为json字符串，作为响应的body，并且设置响应的Content-Type为application/json，构造出响应返回至客户端

效果等于json.dumps

jsonify的Content-Type字段值为application/json

json.dumps的Content-Type字段值为text/html

修改flask中静态文件夹

修改的flask默认的static文件夹只需要在创建Flask实例的时候,把static_folder和static_url_path参数设置为空字符串即可。

app = Flask(__name__, static_folder=”, static_url_path=”)

访问的时候用url_for函数，res文件夹和static文件夹同一级：

url_for(‘static’, filename=’res/favicon.ico’)

werkzeug

werkzeug是一个WSGI工具包，可以作为一个Web框架的底层库。它封装好了很多Web框架的东西，例如  Request，Response等等。Flask框架就是一Werkzeug 为基础开发的

generate_password_hash(password)

将用户输入的明文密码加密成密文进行存储

密码加盐哈希函数。用来将明文密码加密，返回加密后的密文，用来进行用户注册

函数定义：

werkzeug.security.generate_password_hash(password, method='pbkdf2:sha1',  salt_length=8)

密文格式：method$salt$hash

password: 明文密码

method: 哈希的方式(需要是hashlib库支持的)，格式为

pbpdf2:[:iterations]。参数说明：

method：哈希的方式，一般为SHA1，

iterations：(可选参数)迭代次数，默认为1000。

slat_length: 盐值的长度，默认为8

check_password_hash(hash,password)

验证经过generate_password_hash哈希的密码，将明文和密文进行比较,查看是否一致，用来验证用户登录

函数定义：

werkzeug.security.check_password_hash(pwhash, password)

pwhash: generate_password_hash生成的哈希字符串

password: 需要验证的明文密码

flask中的session

rom flask import session  user = db['users'].find_one(username=username)  session['user_id'] = user['id']

由于使用了session，所以需要设置一个secret_key用来做一些模块的hash

Flask Web Development 中的内容:

SECRET_KEY配置变量是通用密钥,可在Flask和多个第三方扩展中使用。如其名所示,加密的强度取决于变量值的机密度。不同的程序要使用不同的密钥,而且要保证其他人不知道你所用的字符串。

SECRET_KEY的作用主要是提供一个值做各种HASH,  是在其加密过程中作为算法的一个参数(salt或其他)。所以这个值的复杂度也就影响到了数据传输和存储时的复杂度。

flask 变量规则

要给URL添加变量部分，你可以把这些特殊的字段标记为，  这个部分将会作为命名参数传递到你的函数。规则可以用指定一个可选的转换器

@route('/hello/')  def index(name):  return 'Hello {{name}}!'

数据库查询

对dataset的数据查询，使用冒号来为变量传参。

select f.task_id from flags f where f.user_id =  :user_id”’,user_id=session[‘user_id’])

模板渲染

使用render_template方法来渲染模板。将模板名和你想作为关键字的参数传入模板的变量

MySQL

IFNULL(expr1,expr2)

如果expr1不是NULL，IFNULL()返回expr1，否则它返回expr2。

IFNULL()返回一个数字或字符串值，取决于它被使用的上下文环境。

max函数是用来找出记录集中***值的记录

1. 对于left join，不管on后面跟什么条件，左表的数据全部查出来，因此要想过滤需把条件放到where后面

2. 对于inner join，满足on后面的条件表的数据才能查出，可以起到过滤作用。也可以把条件放到where后面

在使用left jion时，on和where条件的区别如下：

1. on条件是在生成临时表时使用的条件，它不管on中的条件是否为真，都会返回左边表中的记录。

2. where条件是在临时表生成好后，再对临时表进行过滤的条件。这时已经没有left  join的含义(必须返回左边表的记录)了，条件不为真的就全部过滤掉。

order by的用法 

使用order by，一般是用来，依照查询结果的某一列(或多列)属性，进行排序(升序：ASC;降序：DESC;默认为升序)。

当排序列含空值时：

ASC：排序列为空值的元组***显示。

DESC：排序列为空值的元组***显示。

可以把null值看做无穷大

select * from s order by sno desc, sage asc

group by的用法

group by按照查询结果集中的某一列(或多列)，进行分组，值相等的为一组

1、细化集函数(count，sum，avg，max，min)的作用对象：

未对查询结果分组，集函数将作用于整个查询结果。

对查询结果分组后，集函数将分别作用于每个组。

SELECT cno,count(sno) from sc group by cno

2、GROUP BY子句的作用对象是查询的中间结果表

分组方法：按指定的一列或多列值分组，值相等的为一组。

使用GROUP BY子句后，SELECT子句的列名列表中只能出现分组属性(比如：sno)和集函数(比如：count())

select sno,count(cno) from sc group by sno

3、多个列属性进行分组

select cno,grade,count(cno) from sc group by cno,grade

4、使用HAVING短语筛选最终输出结果

只有满足HAVING短语指定条件的组才输出。

HAVING短语与WHERE子句的区别：作用对象不同。

1、WHERE子句作用于基表或视图，从中选择满足条件的元组。

2、HAVING短语作用于组，从中选择满足条件的组

select sno from sc group by sno having count(cno)>3

select sno,count(cno) from sc where grade>60 group by sno having  count(cno)>3

MySQL的左连接、右连接、等值连接

1.左连接(left join )

select m.columnname……,n.* columnname…..  from left_table m left join right_table n on m.columnname_join=n.columnname_join and n.columnname=xxx  where m.columnname=xxx…..

ON是连接条件，用于把2表中等值的记录连接在一起，但是不影响记录集的数量。若是表left_table中的某记录，无法在表right_table找到对应的记录，则此记录依然显示在记录集中，只是表right_table需要在查询显示的列的值用NULL替代;

ON连接条件中表n.columnname=xxx用于控制right_table表是否有符合要求的列值还是用NULL替换的方式显示在查询列中，不影响记录集的数量;

WHERE字句控制记录是否符合查询要求，不符合则过滤掉

2.右连接(right join)

select m.columnname……,n.* columnname…..  from left_table m right join right_table n on m. columnname_join=n. columnname_join and m. columnname=xxx  where n.columnname=xxx…..

3.等值连接

select m.columnname……,n.* columnname…..  from left_table m [inner] join right_table n on m. columnname_join=n. columnname_join  where m.columnname=xxx….. and n.columnname=xxx….

或者

select m.columnname……,n.* columnname…..  from left_table m , right_table n  where m. columnname_join=n. columnname_join and  m.columnname=xxx….. and n.columnname=xxx….

ON是连接条件，不再与左连接或右连接的功效一样，除了作为2表记录匹配的条件外，还会起到过滤记录的作用，若left_table中记录无法在right_table中找到对应的记录，则会被过滤掉;

WHERE字句，不管是涉及表left_table、表right_table上的限制条件，还是涉及2表连接的条件，都会对记录集起到过滤作用，把不符合要求的记录刷选掉;

jinja2获取循环索引

jinja2获取循环{% for i in n %}的索引使用loop.index

{% for i in names %}    {{ loop.index }} //当前是第x条  {{ i.name }}    {% endfor %}

flask 重定向和错误

可以用redirect()函数把用户重定向到其它地方。放弃请求并返回错误代码，用abort()函数。

from flask import abort, redirect, url_for  @app.route('/')  def index():  return redirect(url_for('login'))  @app.route('/login')  def login():  abort(401)  this_is_never_executed()

默认情况下，错误代码会显示一个黑白的错误页面。如果你要定制错误页面，可以使用errorhandler()

装饰器:

from flask import render_template  @app.errorhandler(404)  def page_not_found(error):  return render_template('page_not_found.html'), 404

注意 render_template()调用之后的 404 。这告诉Flask，该页的错误代码是404  ，即没有找到。默认为200，也就是一切正常。

flask CSRF防护机制

@app.before_request  def csrf_protect():  if request.method == "POST":  token = session.pop('_csrf_token', None)  if not token or token != request.form.get('_csrf_token'):  abort(403)  def some_random_string():  return hashlib.sha256(os.urandom(16).hexdigest())  def generate_csrf_token():  if '_csrf_token' not in session:  session['_csrf_token'] = some_random_string()  return session['_csrf_token']

在flask的全局变量里面注冊 上面那个生成随机token的函数

app.jinja_env.globals[‘csrf_token’] = generate_csrf_token

在网页的模板是这么引入的

flask上下文处理器

Flask  上下文处理器自动向模板的上下文中插入新变量。上下文处理器在模板渲染之前运行，并且可以在模板上下文中插入新值。上下文处理器是一个返回字典的函数，这个字典的键值最终将传入应用中所有模板的上下文:

@app.context_processor  def inject_user():  return dict(user=g.user)

上面的上下文处理器使得模板可以使用一个名为user值为g.user的变量。不过这个例子不是很有意思，因为g在模板中本来就是可用的，但它解释了上下文处理器是如何工作的。

变量不仅限于值，上下文处理器也可以使某个函数在模板中可用(由于Python允许传递函数):

@app.context_processor  def utility_processor():  def format_price(amount, currency=u'€'):  return u'{0:.2f}{1}.format(amount, currency)  return dict(format_price=format_price)

上面的上下文处理器使得format_price函数在所有模板中可用:

{{ format_price(0.33) }}

日志记录

handler = logging.FileHandler(‘flask.log’, encoding=’UTF-8′)

1、请求之前设置requestId并记录日志

每个URL请求之前，定义requestId并绑定到g

@app.before_request  def before_request():  g.requestId = gen_requestId()  logger.info("Start Once Access, and this requestId is %s" % g.requestId)

2、请求之后添加响应头与记录日志

每次返回数据中，带上响应头，包含API版本和本次请求的requestId，以及允许所有域跨域访问API, 记录访问日志

@app.after_request  def add_header(response):  response.headers["X-SaintIC-Media-Type"] = "saintic.v1"  response.headers["X-SaintIC-Request-Id"] = g.requestId  response.headers["Access-Control-Allow-Origin"] = "*"  logger.info(json.dumps({  "AccessLog": {  "status_code": response.status_code,  "method": request.method,  "ip": request.headers.get('X-Real-Ip', request.remote_addr),  "url": request.url,  "referer": request.headers.get('Referer'),  "agent": request.headers.get("User-Agent"),  "requestId": str(g.requestId),  }  }  ))  return response

basicConfig方法可以满足你在绝大多数场景下的使用需求，但是basicConfig有一个很大的缺点。调用basicConfig其实是给root  logger添加了一个handler(FileHandler )，这样当你的程序和别的使用了  logging的第三方模块一起工作时，会影响第三方模块的logger行为。这是由logger的继承特性决定的

logging.basicConfig(level=logging.DEBUG,  format='%(asctime)s %(levelname)s %(message)s',  datefmt='%a, %d %b %Y %H:%M:%S',  filename='logs/pro.log',  filemode='w')     logging.debug('dddddddddd')

MySQL字符编码

除了设置数据库的之外，由于dataset默认创建数据库和表的字符集不是utf8,所以需要自己设置，否则会中文乱码，所以需要修改表的字符集

my.cnf  [client]  default-character-set=utf8  [mysqld]  character-set-server=utf8  collation-server=utf8_general_ci  default-storage-engine=INNODB

表的字符集

show create table tasks;  alter table tasks convert to character set utf8;

关于Dataset中SQLAlchemy如何使用就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。