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> 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 python
import optparse
from 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.table
column = options.col
term = options.term
format = 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 + 1
else:
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。歡迎參閱：Python定時器實例代碼、Python生成數字圖片代碼分享等，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。
您可能感興趣的文章:- Python通過Schema實現數據驗證方式
- python導出hive數據表的schema實例代碼
- python讀取hdfs上的parquet文件方式
- 解決python將xml格式文件轉換成txt文件的問題(xml.etree方法)
- python 如何將字典寫為json文件
- Python 標準庫zipfile將文件夾加入壓縮包的操作方法
- python文件處理--文件讀寫詳解
- 用 Python 定義 Schema 并生成 Parquet 文件詳情
