SQLAlchemy中filter函数的使用_sqlalchemy filter

link之家
链接快照平台
输入网页链接，自动生成快照
标签化管理网页链接
filter过滤数据

在SQLAlchemy中， filter 方法用于在查询中对数据进行过滤，以获取符合特定条件的记录。这方法允许你构建 SQL 查询中的 WHERE 子句，并可以组合多个条件来过滤数据。
方法及使用示例

以下对一些常用的过滤条件进行解释，并且这些过滤条件都是只能通过filter方法实现的：
使用 filter 方法来获取满足指定条件的记录。
from sqlalchemy import create_engine
from sqlalchemy.orm import sessionmaker
engine = create_engine('mysql://user:password@localhost/dbname')
Session = sessionmaker(bind=engine)
session = Session()
# 查询用户名为'John'的用户
results = session.query(User).filter(User.name == 'John').all()
 多个条件的过滤 
可以组合多个条件来过滤数据，使用 and_ 和 or_ 来构建复杂的条件表达式。 
from sqlalchemy import and_, or_
# 查询用户名为'John'且年龄大于等于30的用户
results = session.query(User).filter(and_(User.name == 'John', User.age >= 30)).all()
# 查询用户名为'John'或年龄大于等于30的用户
results = session.query(User).filter(or_(User.name == 'John', User.age >= 30)).all()
使用 like 方法进行模糊查询。 
# 查询用户名以'J'开头的用户
results = session.query(User).filter(User.name.like('J%')).all()
使用 in_ 方法来查询某个字段是否包含在一组值中。  
values = ['John', 'Alice', 'Bob']
results = session.query(User).filter(User.name.in_(values)).all()
空值和非空值 
使用 is_ 方法来查询空值或非空值。  
# 查询没有邮箱地址的用户
results = session.query(User).filter(User.email.is_(None)).all()
# 查询有邮箱地址的用户
results = session.query(User).filter(User.email.isnot(None)).all()
from random import randint
from uuid import uuid4
from sqlalchemy import Column,Integer,String,Float,Text,and_,or_
from db_util import Base,Session
class Article(Base):
  __tablename__ = 't_article'
  id = Column(Integer,primary_key=True,autoincrement=True)
  title = Column(String(50),nullable=False)
  price = Column(Float,nullable=False)
  content = Column(Text)
  def __repr__(self):
    return f"<Article(title:{self.title} price:{self.price} content:{self.content})>"
def create_data():
  with Session() as ses:
    for i in range(10):
      if i%2 == 0:
        art = Article(title = f'title{i+1}',price=randint(1,100),content = uuid4())
      else:
        art = Article(title = f'TITLE{i+1}',price=randint(1,100))
      ses.add(art)
    ses.commit()
def query_data():
  with Session() as ses:
    # rs = ses.query(Article).filter_by(id=1).first()
    rs = ses.query(Article).filter(Article.id == 1).first()
    print(rs)
def query_data_equal():
  with Session() as ses:
    rs = ses.query(Article).filter(Article.title == 'title2').first()
    print(rs)
def query_data_not_equal():
  with Session() as ses:
    rs = ses.query(Article).filter(Article.title != 'title2').all()
    print(rs)
def query_data_like():
  with Session() as ses:
    # select * from t_article where title like 'title%';
    rs = ses.query(Article).filter(Article.title.like('title%')).all()
    for r in rs:
      print(r)
def query_data_in():
  with Session() as ses:
    rs = ses.query(Article).filter(Article.title.in_(['title1','title3','title6'])).all()
    for r in rs:
      print(r)
def query_data_not_in():
  with Session() as ses:
    rs = ses.query(Article).filter(~ Article.title.in_(['title1','title3','title6'])).all()
    for r in rs:
      print(r)
def query_data_null():
  with Session() as ses:
    rs = ses.query(Article).filter(Article.content == None).all()
    for r in rs:
      print(r)
def query_data_not_null():
  with Session() as ses:
    rs = ses.query(Article).filter(Article.content != None).all()
    for r in rs:
      print(r)
def query_data_and():
  with Session() as ses:
    # rs = ses.query(Article).filter(Article.title !='title4' and Article.price >8 ).all() 
    # rs = ses.query(Article).filter(Article.title !='title4',Article.price >50 ).all() 
    rs = ses.query(Article).filter(and_(Article.title !='title4',Article.price >50) ).all() 
    for r in rs:
      print(r)
def query_data_or():
  with Session() as ses: 
    rs = ses.query(Article).filter(or_(Article.title =='title4',Article.price >50) ).all() 
    for r in rs:
      print(r)
if __name__ == '__main__':
  # Base.metadata.create_all()
  # create_data()
  # query_data()
  # query_data_equal()
  # query_data_not_equal()
  # query_data_like()
  # query_data_in()
  # query_data_not_in()
  # query_data_null()
  # query_data_not_null()
  # query_data_and()
  query_data_or()
  Article 模型类定义： 
   你定义了一个名为 Article 的模型类，它映射到了数据库中的 t_article 表格，包括了 id、title、price 和 content 四个字段。
 create_data 函数： 
   该函数在数据库中插入了一些示例数据，包括了标题、价格和内容。其中，标题的命名规则是 title{i+1} 或者 TITLE{i+1}，价格是一个随机的整数，内容使用了 uuid4() 生成。
 query_data 函数： 
   该函数查询了 id 为 1 的记录。
 query_data_equal 函数： 
   该函数查询了标题等于 'title2' 的第一条记录。
 query_data_not_equal 函数： 
   该函数查询了标题不等于 'title2' 的所有记录。
 query_data_like 函数： 
   该函数查询了标题以 'title' 开头的所有记录。
 query_data_in 函数： 
   该函数查询了标题在 ['title1','title3','title6'] 中的所有记录。
 query_data_not_in 函数： 
   该函数查询了标题不在 ['title1','title3','title6'] 中的所有记录。
 query_data_null 函数： 
   该函数查询了内容为 None 的所有记录。
 query_data_not_null 函数： 
   该函数查询了内容不为 None 的所有记录。
 query_data_and 函数： 
   该函数查询了标题不等于 'title4' 且价格大于 50 的所有记录。
 query_data_or 函数： 
   该函数查询了标题等于 'title4' 或者价格大于 50 的所有记录。 
from flask import Flask, jsonify, json
from sqlalchemy import create_engine, Column, Integer, String, DateTime, Float, func, and_, or_
from sqlalchemy.ext.declarative import dec...
				最近项目中用了Sqlalchemy orm，开始数据不多的时候用coun()函数不会慢，但是当数据到百万级的时候，filter_obj.count()来获取数据总数，就明显感觉慢了。
看官方API的描述：
count()
Return a count of rows this Query would return.
This generates the SQL for this Q
# coding:utf-8
from sqlalchemy import create_engine
from sqlalchemy.orm import sessionmaker
engine = create_engine("mysql://user:password@ip/database?charset=utf8", 
				FILTER函数FILTER函数属于“筛选”类函数，隶属于“表”函数，其使用频率可以算得上最高的几个函数之一。用途：用来筛选表或者作为计算的筛选条件。语法DAX=
FILTER(<表>,<条件>)参数表：可以是固定的表，也可以是表的表达式。条件：过滤条件。返回结果由符合筛选条件的行组成的表。例子模拟数据：例子1：FILTER例子1 =
FILTER ( '例子', MONT...
/// &lt;/summary&gt; 
/// &lt;param name="value"&gt;&lt;/param&gt; 
/// &lt;returns&gt;&lt;/returns&gt; 
public static string Filter(string value) 
数据库表一般包含大量的数据，很少需要检索表中的所有行。通常只会根据特定操作或报告的需要提取表数据的子集。只检索所需数据需要指定 搜索条件（ search criteria ），搜索条件也称为过滤条件（ filter condition ）。
使用 WHERE 子句
在SELECT语句中，数据根据WHERE子句中指定的搜索条件进行过滤。WHERE子句在表名（FROM子句）之后给出，如下所示：
SELECT