SQLAlchemy-用DateTime列查询以按月日年过滤

SQLAlchemy-用DateTime列查询以按月/日/年过滤

SQLAlchemy有效地将以Python表示的查询转换为SQL。但这是基于

Column

定义模型时分配给数据类型的相对肤浅的。

这意味着它不一定会

datetime.datetime

在其

DateTime

构造上复制Python的API-
毕竟，这两个类的作用是完全不同的！（

datetime.datetime

为Python提供了日期时间功能，而SQLAlchemy

DateTime

告诉其SQL转换逻辑它正在处理SQL
DATETIME或TIMESTAMP列）。

但是不用担心！您可以通过多种方法来实现自己的目标，其中一些方法非常简单。我认为最简单的三个是：

1. 使用完整的

   datetime

   实例而不是其组成部分（天，月，年）构造过滤器。

2. extract

   在过滤器中使用SQLAlchemy的构造。
3. 在模型中定义三个混合属性，这些属性返回可以进行过滤的付款月份，日期和年份。

过滤

datetime

对象

这是实现所要尝试的三种（简便）方法中最简单的方法，并且执行速度也最快。基本上，不要尝试对查询中的每个组件（日，月，年）分别进行过滤，而只需使用一个

datetime

值即可。

基本上，以下内容应与您在上面的查询中尝试执行的 *** 作等效：

from datetime import datetimetodays_datetime = datetime(datetime.today().year, datetime.today().month, datetime.today().day)payments = Payment.query.filter(Payment.due_date >= todays_datetime).all()

现在，

payments

应该是到期日在系统当前日期的开始（时间00:00:00）之后的所有付款。

如果您想变得更复杂，例如最近30天进行的过滤付款。您可以使用以下代码进行 *** 作：

from datetime import datetime, timedeltafilter_after = datetime.today() - timedelta(days = 30)payments = Payment.query.filter(Payment.due_date >= filter_after).all()

您可以使用

and_

和组合多个过滤器目标

or_

。例如，要回支付那名在过去30天骨 及 多是因为15年前，你可以使用：

from datetime import datetime, timedeltafrom sqlalchemy import and_thirty_days_ago = datetime.today() - timedelta(days = 30)fifteen_days_ago = datetime.today() - timedelta(days = 15)# Using and_ IMPLICITLY:payments = Payment.query.filter(Payment.due_date >= thirty_days_ago,          Payment.due_date <= fifteen_days_ago).all()# Using and_ explicitly:payments = Payment.query.filter(and_(Payment.due_date >= thirty_days_ago,    Payment.due_date <= fifteen_days_ago)).all()

从您的角度来看，这里的技巧是

datetime

在执行查询之前正确构造过滤器目标实例。

使用

extract

构造

SQLAlchemy的

extract

表达式（在此处记录）用于执行SQL

EXTRACT

语句，这是在SQL中可以从DATETIME
/ TIMESTAMP值中提取月，日或年的方式。

使用这种方法，SQLAlchemy告诉您的SQL数据库“首先，从我的DATETIME列中提取月份，日期和年份， 然后 对提取的值 进行
过滤”。请注意，这种方法 将比

datetime

如上所述对值进行过滤慢。但这是这样的：

from sqlalchemy import extractpayments = Payment.query.filter(extract('month', Payment.due_date) >= datetime.today().month,          extract('year', Payment.due_date) >= datetime.today().year,          extract('day', Payment.due_date) >= datetime.today().day).all()

使用混合属性

SQLAlchemy混合属性是很棒的事情。它们使您可以透明地应用Python功能，而无需修改数据库。我怀疑在这种特定的用例中，它们可能会过大，但是它们是实现所需目标的第三种方法。

基本上，您可以将混合属性视为实际上不在数据库中存在的“虚拟列”，但是哪些SQLAlchemy可以在需要时从数据库列中进行即时计算。

在您的具体问题，我们定义了三种混合属性：

due_date_day

，

due_date_month

，

due_date_year

在你的

Payment

模型。这是如何工作的：

... your existing import statementsfrom sqlalchemy import extractfrom sqlalchemy.ext.hybrid import hybrid_propertyclass Payment(db.Model, UserMixin):    id = db.Column(db.Integer, unique = True, primary_key = True)    payment_to = db.Column(db.String, nullable = False)    amount = db.Column(db.Float, nullable = False)    due_date = db.Column(db.DateTime, nullable = False, default = datetime.strftime(datetime.today(), "%b %d %Y"))    week_of = db.Column(db.String, nullable = False)    @hybrid_property    def due_date_year(self):        return self.due_date.year    @due_date_year.expression    def due_date_year(cls):        return extract('year', cls.due_date)    @hybrid_property    def due_date_month(self):        return self.due_date.month    @due_date_month.expression    def due_date_month(cls):        return extract('month', cls.due_date)    @hybrid_property    def due_date_day(self):        return self.due_date.day    @due_date_day.expression    def due_date_day(cls):        return extract('day', cls.due_date)payments = Payment.query.filter(Payment.due_date_year >= datetime.today().year,          Payment.due_date_month >= datetime.today().month,          Payment.due_date_day >= datetime.today().day).all()

这是上面的 *** 作：

1. 您已经在定义

   Payment

   模型了。
2. 但你要添加一些只读实例的属性叫

   due_date_year

   ，

   due_date_month

   和

   due_date_day

   。使用

   due_date_year

   作为一个例子，这是在 *** 作的实例属性 实例 您的

   Payment

   类。这意味着当您执行

   one_of_my_payments.due_date_year

   该属性时，

   due_date

   将从Python实例中提取值。因为这都是在Python中发生的（即不接触数据库），所以它将对

   datetime.datetime

   SQLAlchemy已存储在您的实例中的已转换对象进行 *** 作。它将返回的结果

   due_date.year

   。
3. 然后添加一个 class 属性。这是用装饰的位

   @due_date_year.expression

   。这个装饰器告诉SQLAlchemy，当它将引用转换

   due_date_year

   为SQL表达式时，它应该按照此方法中的定义进行 *** 作。因此，上面的示例告诉SQLAlchemy“如果您需要

   due_date_year

   在SQL表达式中使用，那么应该

   extract('year', Payment.due_date)

   如何

   due_date_year

   表达。

（注意：上面的示例假定

due_date_year

，

due_date_month

和

due_date_day

均为只读属性。您当然也可以使用

@due_date_year.setter

也接受参数的

(self,value)

方法来定义自定义设置器）

结论

在这三种方法中，我认为第一种方法（对进行过滤

datetime

）既最容易理解，也最容易实现，并且执行速度最快。这可能是最好的方法。但是这三种方法的原理非常重要，我认为这将帮助您从SQLAlchemy中获得最大价值。希望这对您有所帮助！