弓在箭要射出之前，低聲對箭說道，“你的自由是我的”。Schema如箭，弓似Python，選擇Python，是Schema最大的自由。而自由應是一個能使自己變得更好的機會。
Schema是什么？
不管我們做什么應用，只要和用戶輸入打交道，就有一個原則--永遠不要相信用戶的輸入數據。意味著我們要對用戶輸入進行嚴格的驗證，web開發時一般輸入數據都以JSON形式發送到后端API，API要對輸入數據做驗證。一般我都是加很多判斷，各種if，導致代碼很丑陋，能不能有一種方式比較優雅的驗證用戶數據呢？Schema就派上用場了。
㈠ MySQLdb部分
表結構：
mysql/23074.html">mysql> use sakila; mysql> desc actor; +-------------+----------------------+------+-----+-------------------+-----------------------------+ | Field | Type | Null | Key | Default | Extra | +-------------+----------------------+------+-----+-------------------+-----------------------------+ | actor_id | smallint(5) unsigned | NO | PRI | NULL | auto_increment | | first_name | varchar(45) | NO | | NULL | | | last_name | varchar(45) | NO | MUL | NULL | | | last_update | timestamp | NO | | CURRENT_TIMESTAMP | on update CURRENT_TIMESTAMP | +-------------+----------------------+------+-----+-------------------+-----------------------------+ 4 rows in set (0.00 sec)
數據庫連接模塊：
[root@DataHacker ~]# cat dbapi.py #!/usr/bin/env ipython #coding = utf-8 #Author: linwaterbin@gmail.com #Time: 2014-1-29 import MySQLdb as dbapi USER = 'root' PASSWD = 'oracle' HOST = '127.0.0.1' DB = 'sakila' conn = dbapi.connect(user=USER,passwd=PASSWD,host=HOST,db=DB)
1 打印列的元數據
[root@DataHacker ~]# cat QueryColumnMetaData.py #!/usr/bin/env ipython from dbapi import * cur = conn.cursor() statement = """select * from actor limit 1""" cur.execute(statement) print "output column metadata....." print for record in cur.description: print record cur.close() conn.close()
1.）調用execute()之后，cursor應當設置其description屬性
2.）是個tuple，共7列：列名、類型、顯示大小、內部大小、精度、范圍以及一個是否接受null值的標記
[root@DataHacker ~]# chmod +x QueryColumnMetaData.py [root@DataHacker ~]# ./QueryColumnMetaData.py output column metadata..... ('actor_id', 2, 1, 5, 5, 0, 0) ('first_name', 253, 8, 45, 45, 0, 0) ('last_name', 253, 7, 45, 45, 0, 0) ('last_update', 7, 19, 19, 19, 0, 0) 2 通過列名訪問列值
默認情況下，獲取方法從數據庫作為"行"返回的值是元組
In [1]: from dbapi import * In [2]: cur = conn.cursor() In [3]: v_sql = "select actor_id,last_name from actor limit 2" In [4]: cur.execute(v_sql) Out[4]: 2L In [5]: results = cur.fetchone() In [6]: print results[0] 58 In [7]: print results[1] AKROYD
我們能夠借助cursorclass屬性來作為字典返回
In [2]: import MySQLdb.cursors In [3]: import MySQLdb In [4]: conn = MySQLdb.connect(user='root',passwd='oracle',host='127.0.0.1',db='sakila',cursorclass=MySQLdb.cursors.DictCursor) In [5]: cur = conn.cursor() In [6]: v_sql = "select actor_id,last_name from actor limit 2" In [7]: cur.execute(v_sql) Out[7]: 2L In [8]: results = cur.fetchone() In [9]: print results['actor_id'] 58 In [10]: print results['last_name'] AKROYD
㈡ SQLAlchemy--SQL煉金術師
雖然SQL有國際標準，但遺憾的是，各個數據庫廠商對這些標準的解讀都不一樣，并且都在標準的基礎上實現了各自的私有語法。為了隱藏不同SQL“方言”之間到區別，人們開發了諸如SQLAlchemy之類的工具
SQLAlchemy連接模塊：
[root@DataHacker Desktop]# cat sa.py import sqlalchemy as sa engine = sa.create_engine('mysql://root:oracle@127.0.0.1/testdb',pool_recycle=3600) metadata = sa.MetaData() example 1：表定義
In [3]: t = Table('t',metadata, ...: Column('id',Integer), ...: Column('name',VARCHAR(20)), ...: mysql_engine='InnoDB', ...: mysql_charset='utf8' ...: ) In [4]: t.create(bind=engine) example 2：表刪除
有2種方式，其一： In [5]: t.drop(bind=engine,checkfirst=True) 另一種是： In [5]: metadata.drop_all(bind=engine,checkfirst=True)，其中可以借助tables屬性指定要刪除的對象
example 3： 5種約束
3 .1 primary key 下面2種方式都可以，一個是列級，一個是表級 In [7]: t_pk_col = Table('t_pk_col',metadata,Column('id',Integer,primary_key=True),Column('name',VARCHAR(20))) In [8]: t_pk_col.create(bind=engine) In [9]: t_pk_tb = Table('t_pk_01',metadata,Column('id',Integer),Column('name',VARCHAR(20)),PrimaryKeyConstraint('id','name',name='prikey')) In [10]: t_pk_tb.create(bind=engine) 3.2 Foreign Key In [13]: t_fk = Table('t_fk',metadata,Column('id',Integer,ForeignKey('t_pk.id'))) In [14]: t_fk.create(bind=engine) In [15]: t_fk_tb = Table('t_fk_tb',metadata,Column('col1',Integer),Column('col2',VARCHAR(10)),ForeignKeyConstraint(['col1','col2'],['t_pk.id','t_pk.name'])) In [16]: t_fk_tb.create(bind=engine) 3.3 unique In [17]: t_uni = Table('t_uni',metadata,Column('id',Integer,unique=True)) In [18]: t_uni.create(bind=engine) In [19]: t_uni_tb = Table('t_uni_tb',metadata,Column('col1',Integer),Column('col2',VARCHAR(10)),UniqueConstraint('col1','col2')) In [20]: t_uni_tb.create(bind=engine) 3.4 check 雖然能成功，但MySQL目前尚未支持check約束。這里就不舉例了。 3.5 not null In [21]: t_null = Table('t_null',metadata,Column('id',Integer,nullable=False)) In [22]: t_null.create(bind=engine) 4 默認值
分2類：悲觀(值由DB Server提供)和樂觀(值由SQLAlshemy提供)，其中樂觀又可分：insert和update
4.1 例子：insert In [23]: t_def_inser = Table('t_def_inser',metadata,Column('id',Integer),Column('name',VARCHAR(10),server_default='cc')) In [24]: t_def_inser.create(bind=engine) 3.2 例子：update In [25]: t_def_upda = Table('t_def_upda',metadata,Column('id',Integer),Column('name',VARCHAR(10),server_onupdate='DataHacker')) In [26]: t_def_upda.create(bind=engine) 3.3 例子：Passive In [27]: t_def_pass = Table('t_def_pass',metadata,Column('id',Integer),Column('name',VARCHAR(10),DefaultClause('cc'))) In [28]: t_def_pass.create(bind=engine) ㈢ 隱藏Schema
數據的安全是否暴露在完全可信任的對象面前，這是任何有安全意識的DBA都不會去冒的風險。比較好的方式是盡可能隱藏Schema結構并驗證用戶輸入的數據完整性，這在一定程度上雖然增加了運維成本，但安全無小事。
這里借助開發一個命令行工具來闡述該問題
需求：隱藏表結構，實現動態查詢，并將結果模擬mysql /G輸出
版本： [root@DataHacker ~]# ./sesc.py --version 1.0 查看幫助： [root@DataHacker ~]# ./sesc.py -h Usage: sesc.py [options] <arg1> <arg2> [<arg3>...] Options: --version show program's version number and exit -h, --help show this help message and exit -q TERM assign where predicate -c COL, --column=COL assign query column -t TABLE assign query table -f, --format -f must match up -o -o OUTFILE assign output file 我們要的效果： [root@DataHacker ~]# ./sesc.py -t actor -c last_name -q s% -f -o output.txt [root@DataHacker ~]# cat output.txt ************ 1 row ******************* actor_id: 180 first_name: JEFF last_name: SILVERSTONE last_update: 2006-02-15 04:34:33 ************ 2 row ******************* actor_id: 195 first_name: JAYNE last_name: SILVERSTONE last_update: 2006-02-15 04:34:33 ......<此處省略大部分輸出>......
請看代碼
#!/usr/bin/env pythonimport optparsefrom dbapi import *#構造OptionParser實例，配置期望的選項parser = optparse.OptionParser(usage="%prog [options] <arg1> <arg2> [<arg3>...]",version='1.0',)#定義命令行選項，用add_option一次增加一個parser.add_option("-q",action="store",type="string",dest="term",help="assign where predicate")parser.add_option("-c","--column",action="store",type="string",dest="col",help="assign query column")parser.add_option("-t",action="store",type="string",dest="table",help="assign query table")parser.add_option("-f","--format",action="store_true",dest="format",help="-f must match up -o")parser.add_option("-o",action="store",type="string",dest="outfile",help="assign output file")#解析命令行options,args = parser.parse_args()#把上述dest值賦給我們自定義的變量table = options.tablecolumn = options.colterm = options.termformat = options.format#實現動態讀查詢statement = "select * from %s where %s like '%s'"%(table,column,term)cur = conn.cursor()cur.execute(statement)results = cur.fetchall()#模擬 /G 輸出形式if format is True: columns_query = "describe %s"%(table) cur.execute(columns_query) heards = cur.fetchall() column_list = [] for record in heards: column_list.append(record[0]) output = "" count = 1 for record in results: output = output + "************ %s row ************/n/n"%(count) for field_no in xrange(0, len(column_list)): output = output + column_list[field_no]+ ": " + str(record[field_no]) + "/n" output = output + "/n" count = count + 1else: output = [] for record in xrange(0,len(results)): output.append(results[record]) output = ''.join(output)#把輸出結果定向到指定文件if options.outfile: outfile = options.outfile with open(outfile,'w') as out: out.write(output)else: print output#關閉游標與連接conn.close()cur.close()總結
以上就是本文關于MySQL數據庫設計之利用Python操作Schema方法詳解的全部內容，希望對大家有所幫助。有什么問題可以隨時留言，小編會及時回復大家的，歡迎留言交流討論。
新聞熱點
疑難解答
