目录
- 表模型结构
- 单曲获取歌手
- 歌手获取单曲
- 方法一
- 方法二
- 查询关联条件记录
- 正向查询
- 反向查询
- 联表查询优化
- Select_related
- Prefetch_related
- Raw查询所有
- Raw条件查询
- Execute查询
- 总结
在日常的开发中,常编程客栈常需要对多张数据表同时进行数据查询。多表查询需要在数据表之间建立表关系才能够实现。一对多或一对一的表关系是通过外键实现关联的,而多表查询分为正向查询和反向查询。
表模型结构
以歌手表、专辑表、单曲表查询为例子。
歌手与专辑为一对多关系;歌手和单曲为一对多关系;专辑和单曲为多对多关系;
表模型如下:
class Singler(BaseModel): """ 歌手表模型 """ name = models.CharField(max_length=50) first_letter = models.CharField(max_length=15, editable=False) # 设置上传位置 portrait = models.ImageField(upload_to=upload_save_path) birthday = models.DateField(default=date.today,blank=True) height = models.IntegerField(default=0,blank=True) weight = models.IntegerField(default=0,blank=True) constellation = models.CharField(max_length=50) english_name = models.CharField(max_length=50,default='-') gender = models.IntegerField(choices=((0, '女'), (1, '男')),default=1) country_name = models.CharField(max_length=50,default='-') desc = models.TextField() class Singe(BaseModel): """ 单曲表 """ name = models.CharField(max_length=50) duration = models.IntegerField(editable=False, default=0) playnum = models.IntegerField(default=0, editable=False) path = models.FileField(upload_to=upload_save_path) lyric = models.FileField(upload_to=upload_save_path) # 设置与歌手表关联外键 一对多外键设置在多的模型中 singler = models.ForeignKey("Singler",on_delete=models.CASCADE) class Album(BaseModel): """ 专辑表 """ name = models.CharField(max_length=50) cover = models.ImageField(upload_to=upload_save_path) desc = models.CharField(max_length=255) single_num = models.IntegerField(default=0,editable=False) langs = [ ('国语', '国语'), ('普通话', '普通话'), ('英语', '英语'), ('日韩', '日韩') ] single_lang = models.CharField(max_length=50,choices=langs,) # 设置与歌手表关联外键 一对多 singler = models.ForeignKey("Singler",on_delete=models.CASCADE) # 设置与单曲表关联外键 多对多 Singe = models.ManyToManyField('Singe')
单曲获取歌手
通过singe模型关联外键singler获取关联歌手Singler信息,为正向查询。
代码如下:
info = Singe.objects.filter(id=1).first() print('单曲信息:', info) article = info.singler print('歌手信息:', arandroidticle)
效果:
歌手获取单曲
通过歌手模型获取单曲相应记录,因为外键在单曲表模型中,
这样属于反向查询。
方法一
使用小写模型名_set方式查询。
代码如下
info = Singler.objects.filter(id=1).first() print('歌手信息:', info) song = info.singe_set.first() print('一首单曲:', song) songs = info.singe_set.all() print('全部单曲:', songs)
方法二
需要对外键设置related_name为某个字符串,来进行关联查询。
模型外键设置
singler = models.ForeignKey("Singler", on_delete=models.CASCADE,related_name='singler_info')
视图代码如下:
info = Singler.objects.filter(id=1).first() print('歌手信息:', info) song = info.singler_info.first() print('一首单曲:', song) songs = info.singler_info.all() print('全部单曲:', songs)
效果:
查询关联条件记录
正向查询
通过单曲表查询歌手名称是周杰伦的单曲和歌手信息。
代码如下:
info = Singe.objects.filter(singler__name='周杰伦').first() print('单曲信息:', info) articlejs = info.singler print('歌手信息:', article)
singler是关联外键,name是歌手表name字段,两者使用双下划连接;
singler是Singler模型在Singe模型中设置的外键。
效果:
反向查询
通过歌手表查询歌曲名称获取歌手信息和单曲信息。
代码如下:
info = Singler.objects.filter(singler_info__name='告白气球').first() print('歌手信息:', info) song = info.singler_info.first() print('单曲信息:', song)
singler_info是models.py中表模型外键设置的属性related_name='singler_info'。
通过单曲名称获取相应单曲的歌手信息,
之后通过参数singler_info反向获取模型Singe的数据。
效果:
联表查询优化
无论是正向查询还是反向查询,它们在数据库里需要执行两次SQL查询,第一次是查询某张数据表的数据,再通过外键关联获取另一张数据表的数据信息。为了减少查询次数,提高查询效率,我们可以使用select_related或prefetch_related方法实现,该方法只需执行一次SQL查询就能实现多表查询。
Select_related
select_related主要针对一对一和一对多关系进行优化,它是使用SQL的JOIN语句进行优化的,通过减少SQL查询的次数来进行优化和提高性能。
正向查询
select_related方法,参数为字符串格式,以模型Singe为查询对象;
select_related使用INNER JOIN方式查询两个数据表;
查询模型Singe的字段singler和模型Singler的字段id;
select_related参数为singler为外键字段;
若要得到其他数据表的关联数据python,则可用双下画线“__”连接字段名;
双下画线“__”连接字段名必须是外键字段名或外键字段related_name设置参数。
代码如下:
p = Singe.objects.select_related('getname'). values('id', 'name', 'duration', 'singler__name') # # 查看SQL查询语句 print(p.query) # 查看结果 为dict格式 print(p)
效果:
反向查询
以模型Vocation为查询对象
select_related使用LEFT JOIN方式查询两个数据表
select_related的参数为related_name设置参数,属于关联表字段。
代码如下:
f = Singler.objects.select_related('getname'). values('id', 'name', 'getname__name') # 查看SQL查询语句 print(f.query) # 查看结果 print(f) print('#'*100) # 获取两个模型的数据,以模型Singler的singe_num大于1为查询条件 f = Singler.objects.select_related('getname'). filter(singe_num__gt=1).values('id', 'name', 'getname__name') # 查看SQL查询语句 print(f.query) # 获取查询结果集的首个元素的字段getname__name的值 print(f[0]['getname__name'])
效果:
Prefetch_related
prefetch_related和select_related的设计目的很相似,都是为了减少SQL查询的次数,但是实现的方式不一样。select_related是由SQL的JOIN语句实现的,但是对于多对多关系,使用select_related会增加数据查询时间android和内存占用;而prefetch_related是分别查询每张数据表,然后由python语法来处理它们之间的关系,因此对于多对多关系的查询,prefetch_related更有优势。
设置related_name
# 设置与单曲表关联外键 多对多 Singe = models.ManyToManyField( 'Singe', verbose_name='单曲', help_text='请选择单曲', related_name='singe_info' )
视图处理
Album模型与Singe模型关系为多对多,也就是专辑可以添加多个单曲,单曲也可以加入多个专辑。查询单曲名称为告白气球的加入了哪些专辑。
代码如下:
s = Singe.objects.prefetch_related('singe_info').filter(name='告白气球').first() print(s) # # 根据外键字段singe获取当前数据的多对多或一对多关系 print(s.singe_info.all()) print('#'*100) # 使用values_list获取联合查询数据 s = Singe.objects.prefetch_related('singe_info').filter(name='告白气球')\ .values_list('id', 'name', 'singe_info__name') # 查看sql print(s.query) # 查看结果 print(s) # 输出专辑名 print(s[0][2])
效果:
执行sql语句
也可以通过raw方式,将查询条件使用原生SQL语法实现,
此方法需要依靠模型对象,在某程度上可防止SQL注入。
Raw查询所有
单曲表和歌手表联查,查询所有数据。
代码如下:
s1 = Singe.objects.raw('select * from player_singe as s left join player_singler as a on s.singler_id = a.id') print('查询结果') print(s1) for item in s1: print(item)
效果:
Raw条件查询
单曲表和歌手表联查,查询单曲名称为‘告白气球’。
代码如下:
s = Singe.objects.raw('select * from player_singe as s left join player_singler as a on s.singler_id = a.id where s.name = "告白气球"') print('查询结果') print(s.query) print(s) print(s[0])
效果:
Execute查询
execute执行SQL语句无须经过Django的ORM框架。借助第三方模块实现连接过程,如mysql的mysqlclient模块和SQLite的sqlite3模块等,这些模块连接数据库之后,可通过游标的方式来执行SQL语句。很容易受到SQL注入攻击,需要自己做参数的验证和过滤操作。
代码如下:
from django.db import connection cursor = connection.cursor() # 执行SQL语句 cursor.execute('select * from player_singe as s left join player_singler as a on s.singler_id = a.id') # 读取第一行数据 print(cursor.fetchone()) # 读取所有数据 print(cursor.fetchall())
效果:
总结
作为一个django使用的新手,在做练手项目中对联表查询感觉比较生疏,最近两天整理了一些连表查询应用场景和使用方法;以及无法使用django中ORM操作的原生查询,以备之后忘记用作参考使用。
到此这篇关于Django 联表查询操作的文章就介绍到这了,更多相关Django 联表查询操作内容请搜索编程客栈(www.devze.com)以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程客栈(www.devze.com)!
精彩评论