- Web 开发中,一个重要的组成部分便是数据库了。Web 程序中最常用的莫过于关系型数据库了,也称 SQL 数据库。另外,文档数据库(如 mongodb)、键值对数据库(如 redis)近几年也逐渐在 web 开发中流行起来,我们习惯把这两种数据库称为 NoSQL 数据库。
- 大多数的关系型数据库引擎(比如 MySQL、Postgres 和 SQLite)都有对应的 Python 包。在这里,我们不直接使用这些数据库引擎提供的 Python 包,而是使用对象关系映射(Object-Relational Mapper, ORM)框架,它将低层的数据库 *** 作指令抽象成高层的面向对象 *** 作。也就是说,如果我们直接使用数据库引擎,我们就要写 SQL *** 作语句,但是,如果我们使用了 ORM 框架,我们对诸如表、文档此类的数据库实体就可以简化成对 Python 对象的 *** 作。
- Python 中最广泛使用的 ORM 框架是 SQLAlchemy,它是一个很强大的关系型数据库框架,不仅支持高层的 ORM,也支持使用低层的 SQL *** 作,另外,它也支持多种数据库引擎,如 MySQL、Postgres 和 SQLite 等。
SQLAlchemy是一个基于Python实现的ORM框架。该框架建立在 DB API之上,使用关系对象映射进行数据库 *** 作,简言之:将类和对象转换成SQL,然后使用数据库模块调用DB-API执行SQL并获取执行结果。
pip install sqlalchemy
由于sqlalchemy模块依赖于第三方DB-API模块,因此,我们还需要安装数据库模块
pip install pymysql三. 框架基本结构
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-nKuAu4MR-1641009641116)(//upload-images.jianshu.io/upload_images/3269979-45ea4491dbec8589.png?imageMogr2/auto-orient/strip|imageView2/2/w/1076/format/webp)]
组成部分:
Engine,框架的引擎
Connection Pooling ,数据库连接池
Dialect,选择连接数据库的DB API种类
Schema/Types,架构和类型
SQL Exprression Language,SQL表达式语言
四. 数据库连接串SQLAlchemy本身无法 *** 作数据库,其必须以来pymsql等第三方插件,Dialect用于和数据API进行交流,根据配置文件的不同调用不同的数据库API,从而实现对数据库的 *** 作,下面的表格中,username 和 password 表示登录数据库的用户名和密码,hostname 表示 SQL 服务所在的主机,可以是本地主机(localhost)也可以是远程服务器,database 表示要使用的数据库。有一点需要注意的是,SQLite 数据库不需要使用服务器,它使用硬盘上的文件名作为 database。如:
更多
五. 使用 5.1 执行原生SQL- 方式一
import time import threading import sqlalchemy from sqlalchemy import create_engine from sqlalchemy.engine.base import Engine engine = create_engine( "mysql+pymysql://zff:[email protected]:3306/zff?charset=utf8", max_overflow=0, # 超过连接池大小外最多创建的连接 pool_size=5, # 连接池大小 pool_timeout=30, # 池中没有线程最多等待的时间,否则报错 pool_recycle=-1 # 多久之后对线程池中的线程进行一次连接的回收(重置) ) def task(arg): conn = engine.raw_connection() cursor = conn.cursor() cursor.execute( "select * from USER " ) result = cursor.fetchall() cursor.close() conn.close() print(result) for i in range(20): t = threading.Thread(target=task, args=(i,)) t.start()
- 方式二
import threading from sqlalchemy import create_engine engine = create_engine("mysql+pymysql://zff:[email protected]:3306/zff", max_overflow=0, pool_size=5) def task(arg): conn = engine.contextual_connect() with conn: cur = conn.execute( "select * from USER " ) result = cur.fetchall() print(result) for i in range(20): t = threading.Thread(target=task, args=(i,)) t.start()
- 方式三
import threading from sqlalchemy import create_engine engine = create_engine("mysql+pymysql://zff:[email protected]:3306/zff", max_overflow=0, pool_size=5) def task(arg): cur = engine.execute("select * from USER ") # cur = engine.execute("select sleep(10)") result = cur.fetchall() cur.close() print(result) for i in range(20): t = threading.Thread(target=task, args=(i,)) t.start()
⚠️ 查看连接 show status like ‘Threads%’;
六. ORM使用 6.1 创建数据库表- 单表示例
import datetime from sqlalchemy import create_engine from sqlalchemy.ext.declarative import declarative_base from sqlalchemy import Column, Integer, String, Text, ForeignKey, DateTime, UniqueConstraint, Index # 基类 base = declarative_base() class Users(base): __tablename__ = 'users' id = Column(Integer, primary_key=True) name = Column(String(32), index=True, nullable=False) email = Column(String(32), unique=True) ctime = Column(DateTime, default=datetime.datetime.now) # extra = Column(Text, nullable=True) __table_args__ = ( # UniqueConstraint('id', 'name', name='uix_id_name'), # 联合唯一索引 # Index('ix_id_name', 'name', 'email'), # 联合索引 ) def init_db(): """ 根据类创建数据库表 :return: """ engine = create_engine( "mysql+pymysql://zff:[email protected]:3306/zff?charset=utf8", max_overflow=0, # 超过连接池大小外最多创建的连接 pool_size=5, # 连接池大小 pool_timeout=30, # 池中没有线程最多等待的时间,否则报错 pool_recycle=-1 # 多久之后对线程池中的线程进行一次连接的回收(重置) ) base.metadata.create_all(engine) def drop_db(): """ 根据类删除数据库表 :return: """ engine = create_engine( "mysql+pymysql://zff:[email protected]:3306/zff?charset=utf8", max_overflow=0, # 超过连接池大小外最多创建的连接 pool_size=5, # 连接池大小 pool_timeout=30, # 池中没有线程最多等待的时间,否则报错 pool_recycle=-1 # 多久之后对线程池中的线程进行一次连接的回收(重置) ) base.metadata.drop_all(engine) if __name__ == '__main__': drop_db() init_db()
- FK/M2M示例
import datetime from sqlalchemy import create_engine from sqlalchemy.ext.declarative import declarative_base from sqlalchemy import Column, Integer, String, Text, ForeignKey, DateTime, UniqueConstraint, Index from sqlalchemy.orm import relationship base = declarative_base() # ##################### 单表示例 ######################### class Users(base): __tablename__ = 'users' id = Column(Integer, primary_key=True) name = Column(String(32), index=True) age = Column(Integer, default=18) email = Column(String(32), unique=True) ctime = Column(DateTime, default=datetime.datetime.now) extra = Column(Text, nullable=True) __table_args__ = ( # UniqueConstraint('id', 'name', name='uix_id_name'), # Index('ix_id_name', 'name', 'extra'), ) class Hosts(base): __tablename__ = 'hosts' id = Column(Integer, primary_key=True) name = Column(String(32), index=True) ctime = Column(DateTime, default=datetime.datetime.now) # ##################### 一对多示例 ######################### class Hobby(base): __tablename__ = 'hobby' id = Column(Integer, primary_key=True) caption = Column(String(50), default='篮球') class Person(base): __tablename__ = 'person' nid = Column(Integer, primary_key=True) name = Column(String(32), index=True, nullable=True) hobby_id = Column(Integer, ForeignKey("hobby.id")) # 与生成表结构无关,仅用于查询方便 hobby = relationship("Hobby", backref='pers') # backref 反向查询 # ##################### 多对多示例 ######################### class Server2Group(base): __tablename__ = 'server2group' id = Column(Integer, primary_key=True, autoincrement=True) # 自增主键 server_id = Column(Integer, ForeignKey('server.id')) group_id = Column(Integer, ForeignKey('group.id')) class Group(base): __tablename__ = 'group' id = Column(Integer, primary_key=True) name = Column(String(64), unique=True, nullable=False) # 与生成表结构无关,仅用于查询方便 servers = relationship('Server', secondary='server2group', backref='groups') # secondary: 指定关系表 class Server(base): __tablename__ = 'server' id = Column(Integer, primary_key=True, autoincrement=True) hostname = Column(String(64), unique=True, nullable=False) def init_db(): """ 根据类创建数据库表 :return: """ engine = create_engine( "mysql+pymysql://zff:[email protected]:3306/zff?charset=utf8", max_overflow=0, # 超过连接池大小外最多创建的连接 pool_size=5, # 连接池大小 pool_timeout=30, # 池中没有线程最多等待的时间,否则报错 pool_recycle=-1 # 多久之后对线程池中的线程进行一次连接的回收(重置) ) base.metadata.create_all(engine) def drop_db(): """ 根据类删除数据库表 :return: """ engine = create_engine( "mysql+pymysql://zff:[email protected]:3306/zff?charset=utf8", max_overflow=0, # 超过连接池大小外最多创建的连接 pool_size=5, # 连接池大小 pool_timeout=30, # 池中没有线程最多等待的时间,否则报错 pool_recycle=-1 # 多久之后对线程池中的线程进行一次连接的回收(重置) ) base.metadata.drop_all(engine) if __name__ == '__main__': drop_db() init_db()
指定关联列: hobby = relationship(“Hobby”, backref=‘pers’,foreign_keys=“Person.hobby_id”)
6.1 ORM基本使用- 初步使用
#! /usr/bin/env python # -*- coding: utf-8 -*- # __author__ = "shuke" # Date: 2018/5/14 from sqlalchemy.orm import sessionmaker from sqlalchemy import create_engine from models import * engine = create_engine("mysql+pymysql://zff:[email protected]:3306/zff?charset=utf8", max_overflow=0, pool_size=5) Session = sessionmaker(bind=engine) # 每次执行数据库 *** 作时,都需要创建一个session session = Session() # ############# 执行ORM *** 作 ############# obj1 = Users(name="tome", age=19, email="[email protected]") session.add(obj1) # 提交事务 session.commit() # 关闭session session.close()
- 原生SQL
from sqlalchemy.orm import sessionmaker from sqlalchemy import create_engine from sqlalchemy.sql import text from models import * engine = create_engine("mysql+pymysql://zff:[email protected]:3306/zff?charset=utf8", max_overflow=0, pool_size=5) Session = sessionmaker(bind=engine) session = Session() # 查询 # cursor = session.execute('select * from users') # result = cursor.fetchall() # 添加 with engine.connect() as con: data = ({'name': 'zhangsan', 'age': 20, 'value': '[email protected]'}, {'name': 'lisi', 'age': 20, 'value': '[email protected]'}) statement = text("""insert into users(name,age,email) values(:name,:age,:value)""") for line in data: cursor = con.execute(statement, **line) print(cursor.lastrowid) session.close()
- 基本增删改查
from sqlalchemy.orm import sessionmaker from sqlalchemy import create_engine from sqlalchemy.sql import text from models import * engine = create_engine("mysql+pymysql://zff:[email protected]:3306/zff?charset=utf8", max_overflow=0, pool_size=5) Session = sessionmaker(bind=engine) session = Session() # 1. ################ 添加 ################ """ obj1 = Users(name="jack", age=19, email="[email protected]") session.add(obj1) session.add_all([ Users(name="wang", age=19, email="[email protected]"), Users(name="lucy", age=19, email="[email protected]"), Hosts(name="jav-pingtai03br-p002.gru1.blue.net"), ]) session.commit() """ # 2. ################ 删除 ################ """ session.query(Users).filter(Users.id > 2).delete() session.commit() """ # 3. ################ 修改 ################ """ session.query(Users).filter(Users.id > 0).update({"name" : "shuke"}) session.query(Users).filter(Users.id > 0).update({Users.name: Users.name + "163"}, synchronize_session=False) session.query(Users).filter(Users.id > 0).update({"age": Users.age + 1}, synchronize_session="evaluate") session.commit() # sqlalchemy 利用 session 执行 delete 时有一个 synchronize_session 参数用来说明 session 删除对象时需要执行的策略,共三个选项: 1. False 不同步 session,如果被删除的 objects 已经在 session 中存在,在 session commit 或者 expire_all 之前,这些被删除的对象都存在 session 中。 不同步可能会导致获取被删除 objects 时出错。 # 2. fetch 删除之前从 db 中匹配被删除的对象并保存在 session 中,然后再从 session 中删除,这样做是为了让 session 的对象管理 identity_map 得知被删除的对象究竟是哪些以便更新引用关系。 # 3. evaluate # 默认值。根据当前的 query criteria 扫描 session 中的 objects,如果不能正确执行则抛出错误,这句话也可以理解为,如果 session 中原本就没有这些被删除的 objects,扫描当然不会发生匹配,相当于匹配未正确执行。 注意这里报错只会在特定 query criteria 时报错,比如 in *** 作。 session.query(Users).filter(Users.id.in_([1,2,3])).delete() sqlalchemy.exc.InvalidRequestError: Could not evaluate current criteria in Python. Specify 'fetch' or False for the synchronize_session parameter. """ # 3. ################ 查询 ################ """ r1 = session.query(Users).all() r2 = session.query(Users.name.label('username'), Users.age).all() # 别名 r3 = session.query(Users).filter(Users.name == "shuke").all() r4 = session.query(Users).filter_by(name='shuke').all() r5 = session.query(Users).filter_by(name='shuke').first() r6 = session.query(Users).filter(text("id<:value and name=:name")).params(value=2, name='shuke').order_by(Users.id).all() r7 = session.query(Users).from_statement(text("SELECt * FROM users where name=:name")).params(name='shuke').all() """ # filter和filter_by的区别 """ filter_by用于简单的列名查询,如: db.users.filter_by(name='Joe') filter对于上面的代码可以这样写: db.users.filter(db.users.name == 'Joe') 对于复杂的查询使用filter,如: db.users.filter(or_(db.users.name == 'Ryan', db.users.country == 'England')) 注意: filter_by使用的是赋值 =, 而filter使用的是判断 == 另外:查询时使用like这样写: items = session.query.filter(Users.name == current_user, Users.title.like('%' + keyword + '%')).all() """ session.close()
- 常用 *** 作
# 条件 ret = session.query(Users).filter_by(name='shuke').all() ret = session.query(Users).filter(Users.id > 1, Users.name == 'eric').all() ret = session.query(Users).filter(Users.id.between(1, 3), Users.name == 'eric').all() ret = session.query(Users).filter(Users.id.in_([1, 3, 4])).all() ret = session.query(Users).filter(~Users.id.in_([1, 3, 4])).all() ret = session.query(Users).filter(Users.id.in_(session.query(Users.id).filter_by(name='eric'))).all() # 条件 AND / OR from sqlalchemy import and_, or_ ret = session.query(Users).filter(and_(Users.id > 3, Users.name == 'eric')).all() ret = session.query(Users).filter(or_(Users.id < 3, Users.name == 'shuke')).all() ret = session.query(Users).filter( or_( Users.id < 2, and_(Users.name == 'eric', Users.id > 3), Users.extra != "" )).all() # 通配符 ret = session.query(Users).filter(Users.name.like('e%')).all() ret = session.query(Users).filter(~Users.name.like('e%')).all() # 取反 # 限制 ret = session.query(Users)[1:2] # limit # 排序 ret = session.query(Users).order_by(Users.name.desc()).all() # 按降序排列 ret = session.query(Users).order_by(Users.name.desc(), Users.id.asc()).all() # 根据name按降序排列,再根据id升序排列 # 分组 from sqlalchemy.sql import func ret = session.query(Users).group_by(Users.extra).all() ret = session.query( func.max(Users.id), func.sum(Users.id), func.min(Users.id)).group_by(Users.name).all() ret = session.query( func.max(Users.id), func.sum(Users.id), func.min(Users.id)).group_by(Users.name).having(func.min(Users.id) > 2).all() # 连表查询 默认是innerjoin # 直接让两个表联合。这里join默认是innerjoin,这里没有写他们的对应关系,它们在内部自己找。 # 它是怎么找的呢,在创建表的时候,有类型是foreignkey,是根据它来找的。 ret = session.query(Person).join(Favor).all() 相当于sql语句,两个表通过on,来关联 a. 查看sql sql = session.query(Person).join(Favor) print(sql) ''' inner join打印sql,只打印person表所有字段信息,不打印favor表 SELECt person.nid AS person_nid, person.name AS person_name, person.favor_id AS person_favor_id FROM person JOIN favor ON favor.nid = person.favor_id ''' b. isouter=True即left join ret1 = session.query(Person).join(Favor,isouter=True).all() sql1 = session.query(Person).join(Favor,isouter=True) print(sql1) ''' 打印sql,只打印person表所有字段的信息,但是没有打印favor表 SELECt person.nid AS person_nid, person.name AS person_name, person.favor_id AS person_favor_id FROM person LEFT OUTER JOIN favor ON favor.nid = person.favor_id ''' c. 两张表的信息都打印出来 ret2 = session.query(Person, Favor).join(Favor, isouter=True).all() print(ret2) sql2 = session.query(Person, Favor).join(Favor, isouter=True) print(sql2) ''' left join,打印结果:打印person和favor两张表的所有字段。 [(<__main__.Person object at 0x0000000003B34FD0>, 1-white), (<__main__.Person object at 0x0000000003B69BE0>, 2-blue), (<__main__.Person object at 0x0000000003B69C50>, 2-blue)] left join,打印sql:打印person和favor两张表的所有字段。 SELECt person.nid AS person_nid, person.name AS person_name, person.favor_id AS person_favor_id, favor.nid AS favor_nid, favor.caption AS favor_caption FROM person LEFT OUTER JOIN favor ON favor.nid = person.favor_id ''' d. 联表,只打印某些字段 ret3 = session.query(Person.name,Favor.caption).join(Favor,isouter=True).all() print(ret3) sql3 = session.query(Person.name,Favor.caption).join(Favor,isouter=True) print(sql3) ''' left join,打印结果:某些指定字段值 [('qiaomei0', 'white'), ('qiaomei1', 'blue'), ('qiaomei2', 'blue')] left join,打印sql:某些指定字段值 SELECt person.name AS person_name, favor.caption AS favor_caption FROM person LEFT OUTER JOIN favor ON favor.nid = person.favor_id ''' # 关联子查询 subqry = session.query(func.count(Server.id).label("sid")).filter(Server.id == Group.id).correlate(Group).as_scalar() result = session.query(Group.name, subqry) """ SELECt `group`.name AS group_name, (SELECT count(server.id) AS sid FROM server WHERe server.id = `group`.id) AS anon_1 FROM `group` """ # 组合 q1 = session.query(Users.name).filter(Users.id > 2) q2 = session.query(Favor.caption).filter(Favor.nid < 2) ret = q1.union(q2).all() q1 = session.query(Users.name).filter(Users.id > 2) q2 = session.query(Favor.caption).filter(Favor.nid < 2) ret = q1.union_all(q2).all()
- 联表查询(一对多,基于relationship *** 作ForeignKey)
- 正向查询
多对一,多的那端开始查,也就是foreignkey写在哪里,从哪里查。
使用上面的方法非常麻烦,我们用更高效的方法。
只要在表里加上这一句话:
favor = relationship("Favor", backref='pers')
class Person(base): __tablename__ = 'person' nid = Column(Integer, primary_key=True) name = Column(String(32), index=True, nullable=True) favor_id = Column(Integer, ForeignKey("favor.nid")) # 与生成表结构无关,仅用于查询方便 favor = relationship("Favor", backref='pers') # obj代指的是Person表的每一行数据 # obj.favor代指favor对象,obj.favor.nid就拿到了Person关联的favor对象的id。 # 所以你不用做联表,它内部帮你做联表。 ret = session.query(Person).all() for obj in ret: # 每个obj就是一行数据。 print(obj.nid,obj.name,obj.favor_id,obj.favor,obj.favor.nid,obj.favor.caption)
- 反向查询
多对一,从一的那端开始查,也就是从没写foreignkey的表里反查。
多对一,从一的那端反查。
Person和Favor是多对一,假如查询喜欢蓝色的所有人。Favor的caption为blue的所有对应的Person
传统方式,反向查询:
ret3 = session.query(Person.name,Favor.caption).join(Favor,isouter=True).filter(Favor.caption == 'blue').all()
Person表里,写了backref=‘pers’,就相当于在favor表里加了个字段pers,实际是不存在的
favor = relationship("Favor", backref='pers')
如下:
class Person(base): __tablename__ = 'person' nid = Column(Integer, primary_key=True) name = Column(String(32), index=True, nullable=True) favor_id = Column(Integer, ForeignKey("favor.nid")) # 与生成表结构无关,仅用于查询方便 favor = relationship("Favor", backref='pers') class Favor(base): __tablename__ = 'favor' nid = Column(Integer, primary_key=True) caption = Column(String(50), default='red', unique=True) # Person表里写的:backref='pers',相当于在这里加上字段pers。只是用于查询,不会修改表结构。 # pers = 。。。。。。。。 def __repr__(self): return "%s-%s" %(self.nid, self.caption)
你可以直接通过Favor对象的pers字段找到跟这个颜色关联的所有person,在数据库里没有真实的字段对应的,只是帮你生成sql语句而已。
# 新方式,反向查询 obj = session.query(Favor).filter(Favor.caption=='blue').first() # 先找到caption为blue的Favor对象 print(obj.nid) print(obj.caption) print(obj.pers) ''' 打印结果: 2 blue [<__main__.Person object at 0x0000000003B5BBE0>, <__main__.Person object at 0x0000000003B5BC50>] '''
Foreignkey(一对多总结)
Foreignkey和relationship要成对写在一个表里。
class Person(base): __tablename__ = 'person' nid = Column(Integer, primary_key=True) name = Column(String(32), index=True, nullable=True) favor_id = Column(Integer, ForeignKey("favor.nid")) # 与生成表结构无关,仅用于查询方便 favor = relationship("Favor", backref='pers')
Person对Favor 是多对一的关系,foreignkey加在了多的那端(Person表)
Person对象.favor.favor的字段:叫做正向查找
Favor对象.pers.person的字段:反向查找
- M2M(基于relationship的m2m关系)
import time import threading from sqlalchemy.ext.declarative import declarative_base from sqlalchemy import Column, Integer, String, ForeignKey, UniqueConstraint, Index from sqlalchemy.orm import sessionmaker, relationship from sqlalchemy import create_engine from sqlalchemy.sql import text from sqlalchemy.engine.result import ResultProxy from db import Users, Hosts, Hobby, Person, Group, Server, Server2Group engine = create_engine("mysql+pymysql://root:[email protected]:3306/s6?charset=utf8", max_overflow=0, pool_size=5) Session = sessionmaker(bind=engine) session = Session() # 添加 """ session.add_all([ Server(hostname='c1.com'), Server(hostname='c2.com'), Group(name='A组'), Group(name='B组'), ]) session.commit() s2g = Server2Group(server_id=1, group_id=1) session.add(s2g) session.commit() gp = Group(name='C组') gp.servers = [Server(hostname='c3.com'),Server(hostname='c4.com')] session.add(gp) session.commit() ser = Server(hostname='c6.com') ser.groups = [Group(name='F组'),Group(name='G组')] session.add(ser) session.commit() """ # 使用relationship正向查询 """ v = session.query(Group).first() print(v.name) print(v.servers) """ # 使用relationship反向查询 """ v = session.query(Server).first() print(v.hostname) print(v.groups) """ session.close()
- 多线程执行示例
import time import threading from sqlalchemy.ext.declarative import declarative_base from sqlalchemy import Column, Integer, String, ForeignKey, UniqueConstraint, Index from sqlalchemy.orm import sessionmaker, relationship from sqlalchemy import create_engine from db import Users engine = create_engine("mysql+pymysql://root:[email protected]:3306/s6", max_overflow=0, pool_size=5) Session = sessionmaker(bind=engine) def task(arg): session = Session() obj1 = Users(name="shuke") session.add(obj1) session.commit() for i in range(10): t = threading.Thread(target=task, args=(i,)) t.start()
- 基于scoped_session使得线程安全
基于ThreadLocal实现
from sqlalchemy.orm import sessionmaker from sqlalchemy import create_engine from sqlalchemy.orm import scoped_session from models import Users engine = create_engine("mysql+pymysql://root:[email protected]:3306/s6", max_overflow=0, pool_size=5) Session = sessionmaker(bind=engine) """ # 线程安全,基于本地线程实现每个线程用同一个session # 特殊的:scoped_session中有原来方法的Session中的一下方法: public_methods = ( '__contains__', '__iter__', 'add', 'add_all', 'begin', 'begin_nested', 'close', 'commit', 'connection', 'delete', 'execute', 'expire', 'expire_all', 'expunge', 'expunge_all', 'flush', 'get_bind', 'is_modified', 'bulk_save_objects', 'bulk_insert_mappings', 'bulk_update_mappings', 'merge', 'query', 'refresh', 'rollback', 'scalar' ) """ session = scoped_session(Session) # ############# 执行ORM *** 作 ############# obj1 = Users(name="shuke") session.add(obj1) # 提交事务 session.commit() # 关闭session session.close()
参考资料:
Flask-SQLAlchemy-武沛齐-博客园
mysql和SQLAlchemy-博客园
使用flask-sqlalchemy玩转MySQL | Wing’s Tech Space
Flask-Migrate的使用 | Wing’s Tech Space
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)