| Name | coolmysql JSON |
| Version |
2.0.1
JSON |
| download |
| home_page | None |
| Summary | 一个优雅的 mysql ORM ，无须做模型映射，所有操作都同时提供同步、异步两种方式。 |
| upload_time | 2024-02-25 04:54:25 |
| maintainer | None |
| docs_url | None |
| author | None |
| requires_python | None |
| license | None |
| keywords |
mysql
pymysql
aiomysql
orm
coolmysql
|
| VCS |
 |
| bugtrack_url |
|
| requirements |
No requirements were recorded.
|
| Travis-CI |
No Travis.
|
| coveralls test coverage |
No coveralls.
|
# 项目描述
一个优雅的 mysql ORM ，无须做模型映射，所有操作都同时提供同步、异步两种方式。
# 作者
[江南雨上](mailto:lcctoor@outlook.com)
[主页](https://lcctoor.github.io/arts/) \| [Github](https://github.com/lcctoor) \| [PyPi](https://pypi.org/user/lcctoor) \| [微信](https://lcctoor.github.io/arts/arts/ip_static/WeChatQRC.jpg) \| [邮箱](mailto:lcctoor@outlook.com) \| [捐赠](https://lcctoor.github.io/arts/arts/ip_static/DonationQRC-0rmb.jpg)
# Bug提交、功能提议
您可以通过 [Github-Issues](https://github.com/lcctoor/arts/issues)、[微信](https://lcctoor.github.io/arts/arts/ip_static/WeChatQRC.jpg) 与我联系。
# 安装
```
pip install coolmysql
```
# 教程 ([查看美化版](https://lcctoor.github.io/arts/arts/coolmysql) 👈)
本文将以最简洁的方式向你介绍核心知识，而不会让你被繁琐的术语所淹没。
## 导入
```python
import pymysql, aiomysql
from coolmysql import ORM, mc
```
## 创建 ORM
```python
class ORM_2(ORM):
def mkconn(self): # 定义同步连接器
return pymysql.connect(
host = 'localhost',
port = 3306,
user = 'root',
password = '123456789'
)
async def amkconn(self): # 定义异步连接器
return await aiomysql.connect(
host = 'localhost',
port = 3306,
user = 'root',
password = '123456789'
)
orm = ORM_2() # 账户ORM
db = orm['泉州市'] # 库ORM
sheet = db['希望小学'] # 表ORM
```
## 增、删、改、查
【增、删、改、查】的同步方法名称分别为：insert、delete、update、select 。
对应的异步方法名称为各同步方法名前加 `a` ，即：ainsert、adelete、aupdate、aselect 。
### 示例
```python
line1 = {'姓名': '小一', '年龄': 11, '性别': '男', '视力': 4.5, '签到日期': '2023-01-11'}
line2 = {'姓名': '小二', '年龄': 12, '性别': '男', '视力': 4.6, '签到日期': '2023-01-12'}
line3 = {'姓名': '小三', '年龄': 13, '性别': '女', '视力': 4.7, '签到日期': '2023-01-13'}
line4 = {'姓名': '小四', '年龄': 14, '性别': '女', '视力': 4.8, '签到日期': '2023-01-14'}
line5 = {'姓名': '小五', '年龄': 15, '性别': '男', '视力': 4.9, '签到日期': '2023-01-15'}
line6 = {'姓名': '小六', '年龄': 16, '性别': '女', '视力': 5.0, '签到日期': '2023-01-16'}
```
| | 同步方式 | 异步方式 |
| :---------: | ----------------------------- | -------------------------------------------------------- |
| 增（1 条） | sheet.insert( line1 ) | **await** sheet.**a**insert( line2 ) |
| 增（批量） | sheet.insert( line3, line4 ) | **await** sheet.**a**insert( line5, line6 ) |
| 删 | sheet.delete( ) | **await** sheet.**a**delete( ) |
| 改 | sheet.update( {'年龄': 100} ) | **await** sheet.**a**update( {'年龄': 200} ) |
| 查 | sheet.select( ) | **await** sheet.**a**select( ) |
查看分配到的主键：
```python
r1 = sheet.insert( line1 )
r2 = await sheet.ainsert( line2 )
r1.lastrowid
r2.lastrowid
```
## 注：下文中所有示例都同时支持同步方式和异步方式，将同步示例中的 insert、delete、update、select 替换为 ainsert、adelete、aupdate、aselect 即为异步方式，当然，须加上 await 前缀。
## 条件筛选
### 示例一：理解条件筛选的基本范式
筛选【年龄>13，且视力≧4.6，且性别为女】的数据，并进行增删改查：
**查询**：`sheet[mc.年龄 > 13][mc.视力 >= 4.6][mc.性别 == '女'].select( )`
**修改**：`sheet[mc.年龄 > 13][mc.视力 >= 4.6][mc.性别 == '女'].update( {'年级':'初一', '爱好':'画画,跳绳'} )`
**删除**：`sheet[mc.年龄 > 13][mc.视力 >= 4.6][mc.性别 == '女'].delete( )`
### 筛选操作清单
| **代码** | **解释** |
| -------------------------------------------------------------------- | -------------------------------- |
| mc.年龄 > 10 | 大于 |
| mc.年龄 >= 10 | 大于或等于 |
| mc.年龄 < 10 | 小于 |
| mc.年龄 <= 10 | 小于或等于 |
| mc.年龄 == 10 | 等于 |
| mc.年龄 != 10 | 不等于 |
| mc.年级.isin( '初三', '高二' ) | 若字段值是传入值的成员，则符合 |
| mc.年龄.notin( 10, 30, 45 ) | 若字段值不是传入值的成员，则符合 |
| mc.姓名.re( '小' ) | 正则匹配 |
| `[mc.年龄 > 3][mc.年龄 < 100]` | 交集（方式一） |
| [ (mc.年龄 > 3) & (mc.年龄 < 100) ] | 交集（方式二） |
| `[(mc.年龄<30) \| (mc.年龄>30) \| (mc.年龄==30) \| (mc.年龄==None)]` | 并集 |
| [ (mc.年龄 > 3) - (mc.年龄 > 100) ] | 差集 |
| [ ~(mc.年龄 > 100) ] | 补集 |
注：
1、isin、notin 的传入值都不必是同类型的数据，以 isin 为例：可以这样使用：mc.tag.isin( 3, 3.5, '学生', None ) ，传入值含有 int、float、str、NoneType 等多种类型。
2、成员运算符未传入任何值时的处理方式：
| **代码** | **处理方式** |
| ---------------- | ------------------ |
| mc.年级.isin( ) | 所有数据都 不符合 |
| mc.年级.notin( ) | 所有数据都 符合 |
3、四种集合运算可以相互嵌套，且可以无限嵌套。
### 示例二：理解并集、交集、差集的使用
筛选【年龄>13或视力≧4.6、且姓名含有‘小’、且喜欢足球但不喜欢画画】的数据：
**查询**：`sheet[(mc.年龄>13) | (mc.视力>=4.6)][mc.姓名.re('小')][mc.爱好.re('足球') - mc.爱好.re('画画')].select( )`
**修改**：`sheet[(mc.年龄>13) | (mc.视力>=4.6)][mc.姓名.re('小')][mc.爱好.re('足球') - mc.爱好.re('画画')].update( {'年级':'初三'} )`
**删除**：`sheet[(mc.年龄>13) | (mc.视力>=4.6)][mc.姓名.re('小')][mc.爱好.re('足球') - mc.爱好.re('画画')].delete( )`
## 特殊字段名的表示方法
MySQL 支持各种特殊的字段名，如：数字、符号、emoji 表情，这些字符在 Python 中不是合法变量名，因此使用 mc.1、mc.+ 等格式会报错，可用 mc['1']、mc['+']、mc['👈'] 这种格式代替。
## 切片
1、切片格式为 [start: stop: step] ，start 表示从哪条开始，stop 表示到哪条停止，step 表示步长。
2、start 和 stop
* 当为正值时，表示正序第 x 条，例如：1 表示第 1 条、2 表示第 2 条。
* 当为负值时，表示倒数第 x 条，例如：-1 表示倒数第 1 条、-2 表示倒数第 2 条。
* 不可为 0 。
3、step
* 须为正整数。
* 当 step ≧ 2 时表示间隔式切片。
* 当 step = 1 时可省略 `: step` ，即：[start: stop] 等价于 [start: stop: 1] 。
### 示例
```python
sheet[过滤器]...[过滤器][:].select() # 查询符合条件的全部数据
sheet[过滤器]...[过滤器][:].delete() # 删除符合条件的全部数据
sheet[过滤器]...[过滤器][:].update({'年级':'初一'}) # 修改符合条件的全部数据
sheet[过滤器]...[过滤器][1].select() # 查询符合条件的第1条
sheet[过滤器]...[过滤器][1].delete() # 删除符合条件的第1条
sheet[过滤器]...[过滤器][1].update({'年级':'初一'}) # 修改符合条件的第1条
sheet[过滤器]...[过滤器][3:7].select() # 查询符合条件的第3~7条
sheet[过滤器]...[过滤器][3:7].delete() # 删除符合条件的第3~7条
sheet[过滤器]...[过滤器][3:7].update({'年级':'初一'}) # 修改符合条件的第3~7条
sheet[过滤器]...[过滤器][3:7:2].select() # 查询符合条件的第3、5、7条
sheet[过滤器]...[过滤器][3:7:2].delete() # 删除符合条件的第3、5、7条
sheet[过滤器]...[过滤器][3:7:2].update({'年级':'初一'}) # 修改符合条件的第3、5、7条
```
值得注意的地方： [3: 8: 2] 操作第 3、5、7 条，而 [8: 3: 2] 操作第 8、6、4 条。
更多示例：
```python
[:] # 所有数据
[1:-1] # 所有数据
[-1:1] # 所有数据（逆序）
[1:] # 所有数据
[:1000] # 第1条 ~ 第1000条
[:-1000] # 第1条 ~ 倒数第1000条
[100:200] # 第100条 ~ 第200条
[200:100] # 第200条 ~ 第100条
[-300:-2] # 倒数第300条 ~ 倒数第2条
[50:-2] # 第50条 ~ 倒数第2条
[250:] # 第250条 ~ 最后1条
[-250:] # 倒数第250条 ~ 最后1条
[1] # 第1条
[-1] # 最后1条
[::3] # 以3为间距, 间隔操作所有数据
[100:200:4] # 以4为间距, 间隔操作第100条 ~ 第200条
```
## 字段提示
变量 mc 无字段提示功能，输入‘mc.’后，编辑器不会提示可选字段。
为了获得字段提示功能，可自建一个‘mc2’：
```python
class mc2(mc):
姓名 = 年龄 = 签到日期 = 年级 = 爱好 = None
await sheet[mc.姓名 == '小王'][mc2.年龄 > 10].aselect()
```
注：
1、mc2 与 mc 用法完全一致，可混用。
2、mc2 设置字段提示后，仅具备提示效果，而不产生任何实际约束。
## 排序
对所有年级为“高一”的数据，优先按年龄降序，其次按姓名升序，排序后返回第 2\~4 条数据：
```python
sheet[mc.年级=='高一'].order(年龄=False, 姓名=True)[2:4].select()
```
有趣的，以下两行代码的返回结果相同：
```python
sheet[mc.年级=='高一'].order(年龄=True)[1:-1].select()
sheet[mc.年级=='高一'].order(年龄=False)[-1:1].select()
```
解释：order(年龄=False) 表示按年龄降序，[-1:1] 表示逆序切片，产生了类似‘负负得正’的效果。
注：
1、筛选器、切片器、排序器、限定字段器的位置可任意，位置不影响其效果。当然，它们都应该在 sheet 之后，且在 select/update/delete 之前。
2、可反复排序，select/update/delete 时是根据最后一次指定的顺序提取数据。以下代码最终是按年龄降序后提取数据：
```python
sheet.order(年龄=True, 姓名=False).order(年龄=False).select()
```
3、若想取消排序，则再次调用 order 方法，但不传入任何值。
```python
sheet.order(年龄=True, 姓名=False).order().select()
```
## 限定字段
只返回姓名、年龄这两个字段：
```python
sheet[mc.年级=='高一']['姓名','年龄'].select()
```
注：
1、限定字段只对 select 有作用，对 update/delete 无作用但不会报错。
2、筛选器、切片器、排序器、限定字段器的位置可任意，位置不影响其效果。当然，它们都应该在 sheet 之后，且在 select/update/delete 之前。
3、可反复限定字段，查询时是根据最后一次指定的字段提取数据。以下代码返回结果中只有‘年龄’字段：
```python
sheet[mc.年级=='高一']['姓名']['年龄'].select()
```
4、若想恢复提取全部字段，则限定字段为 `'*'` ，`'*'` 即代表“全部字段”。
```python
sheet[mc.年级=='高一']['姓名']['*'].select()
```
## 统计
| | 同步方式 | 异步方式 |
| ---------------------- | --------------------------- | -------------------------------------------- |
| 统计库的数量 | orm.len( ) | **await** orm.**a**len( ) |
| 统计表的数量 | db.len( ) | **await** db.**a**len( ) |
| 统计行的数量 | sheet.len( ) | **await** sheet.**a**len( ) |
| 统计符合条件的行的数量 | sheet[ mc.age > 8 ].len( ) | **await** sheet[ mc.age > 8 ].**a**len( ) |
| 获取库名清单 | orm.get_db_names( ) | **await** orm.**a**get_db_names( ) |
| 获取表名清单 | db.get_sheet_names( ) | **await** db.**a**get_sheet_names( ) |
| 获取主键 | sheet.get_pk( ) | **await** sheet.**a**get_pk( ) |
## 迭代所有 库ORM 和 表ORM
```python
# 同步方式迭代
for db in orm:
for sheet in db:
print(sheet.sheet_name)
# 异步方式迭代
async for db in orm:
async for sheet in db:
print(sheet.sheet_name)
```
## 关闭 MySQL 连接
对 orm、db、sheet 中的任意一个调用 close( ) 方法即可。
关闭 mysql 连接后，orm、db、sheet 都可以再使用。当再次使用时，ORM 会自动重新连接。
## 执行原生 SQL 语句
```python
data, cursor = sheet.execute('select 姓名 from 希望小学 limit 1')
data # >>> [{'姓名': '小一'}]
data, cursor = sheet.execute('update 希望小学 set 爱好="编程" limit 3')
cursor.rowcount # >>> 3
data, cursor = sheet.execute("delete from 希望小学 limit 2")
cursor.rowcount # >>> 2
data, cursor = sheet.executemany( 'insert into 希望小学(姓名, 年龄) values (%s, %s)', [('小七', 17), ('小八', 18)] )
cursor.lastrowid # >>> 8
```
## 按主键修改
```python
data = {
2: {'姓名':'xiao二', '年龄':20},
3: {'年级':'三年级'},
4: {'id':400, '视力':4.0}
}
sheet.update_by_pk(data)
```
## 用自定义函数修改
```python
def handler(row: dict):
row['年龄'] += 1 # 年龄统一加1岁
if row['爱好'] == '打篮球':
row['身高'] = 180
elif row['爱好'] == '玩手机':
row['视力'] = 1.8
row['姓名'] = row['姓名'].replace('小', 'xiao')
sheet[mc.年龄>11][:].apply(handler) # 修改符合条件的所有数据
sheet[mc.年龄>11][2:-2].apply(handler) # 修改符合条件的第2条~倒数第2条
sheet[mc.年龄>11][2].apply(handler) # 修改符合条件的第2条数据
```
注：
1、传递给 apply 方法的函数必须接收且仅接收 1 个参数，参数名可以不是‘row’。
2、可只提取需要的字段以提升性能。比如在上例中，handler 函数只使用到年龄、爱好、姓名这3个字段，可改为 `sheet[mc.年龄>11]['年龄', '爱好', '姓名'][:].apply(handler)` 以提高性能。
3、ORM 会自动对比修改前与修改后的数据差异，只提交差异部分到数据库。
## 调用 MySQL 函数
### 示例一
在查询、删除、修改的筛选条件中调用 year 函数
```python
from coolmysql import mf
sheet[mf.year('签到日期') == 2023][:].select()
sheet[mf.year('签到日期') == 2029][:].delete()
sheet[mf.year('签到日期') == 2023][:].update({'性别':'女'})
```
### 示例二
在修改中作为新值
```python
sheet[:].update({'备注': '签到日期'}) # 修改为'签到日期'这个字符串
sheet[:].update({'备注': mc.签到日期}) # 修改为各自的'签到日期'字段的值
sheet[:].update({'备注': mf.year('签到日期')}) # 修改为各自的'签到日期'字段的值经year处理后的值
```
使用该语法可调用mysql的任意函数。
### MySQL 函数名提示
ORM 已添加了（20几个）mysql 常用函数的函数名提示，输入‘mf.’后，编辑器会提示可选函数名。如有需要，可添加更多提示：
```python
class mf2(mf):
reverse = length = lower = upper = None
sheet[mf2.reverse('姓名') == '二小'][:].select()
```
注：
1、mf2 与 mf 用法完全一致，可混用。
2、mf2 设置函数名提示后，仅具备提示效果，而不产生任何实际约束。
Raw data
{
"_id": null,
"home_page": null,
"name": "coolmysql",
"maintainer": null,
"docs_url": null,
"requires_python": null,
"maintainer_email": null,
"keywords": "mysql,pymysql,aiomysql,orm,coolmysql",
"author": null,
"author_email": "\u6c5f\u5357\u96e8\u4e0a <lcctoor@outlook.com>",
"download_url": "https://files.pythonhosted.org/packages/db/fd/b079e7e4851d86f615f4c13f668e9af1ed453b70c273ecd2dcfe49fba753/coolmysql-2.0.1.tar.gz",
"platform": null,
"description": "# \u9879\u76ee\u63cf\u8ff0\n\n\u4e00\u4e2a\u4f18\u96c5\u7684 mysql ORM \uff0c\u65e0\u987b\u505a\u6a21\u578b\u6620\u5c04\uff0c\u6240\u6709\u64cd\u4f5c\u90fd\u540c\u65f6\u63d0\u4f9b\u540c\u6b65\u3001\u5f02\u6b65\u4e24\u79cd\u65b9\u5f0f\u3002\n\n# \u4f5c\u8005\n\n[\u6c5f\u5357\u96e8\u4e0a](mailto:lcctoor@outlook.com)\n\n[\u4e3b\u9875](https://lcctoor.github.io/arts/) \\| [Github](https://github.com/lcctoor) \\| [PyPi](https://pypi.org/user/lcctoor) \\| [\u5fae\u4fe1](https://lcctoor.github.io/arts/arts/ip_static/WeChatQRC.jpg) \\| [\u90ae\u7bb1](mailto:lcctoor@outlook.com) \\| [\u6350\u8d60](https://lcctoor.github.io/arts/arts/ip_static/DonationQRC-0rmb.jpg)\n\n# Bug\u63d0\u4ea4\u3001\u529f\u80fd\u63d0\u8bae\n\n\u60a8\u53ef\u4ee5\u901a\u8fc7 [Github-Issues](https://github.com/lcctoor/arts/issues)\u3001[\u5fae\u4fe1](https://lcctoor.github.io/arts/arts/ip_static/WeChatQRC.jpg) \u4e0e\u6211\u8054\u7cfb\u3002\n\n# \u5b89\u88c5\n\n```\npip install coolmysql\n```\n\n# \u6559\u7a0b ([\u67e5\u770b\u7f8e\u5316\u7248](https://lcctoor.github.io/arts/arts/coolmysql) \ud83d\udc48)\n\n\u672c\u6587\u5c06\u4ee5\u6700\u7b80\u6d01\u7684\u65b9\u5f0f\u5411\u4f60\u4ecb\u7ecd\u6838\u5fc3\u77e5\u8bc6\uff0c\u800c\u4e0d\u4f1a\u8ba9\u4f60\u88ab\u7e41\u7410\u7684\u672f\u8bed\u6240\u6df9\u6ca1\u3002\n\n## \u5bfc\u5165\n\n```python\nimport pymysql, aiomysql\nfrom coolmysql import ORM, mc\n```\n\n## \u521b\u5efa ORM\n\n```python\nclass ORM_2(ORM):\n\n def mkconn(self): # \u5b9a\u4e49\u540c\u6b65\u8fde\u63a5\u5668\n return pymysql.connect(\n host = 'localhost',\n port = 3306,\n user = 'root',\n password = '123456789'\n )\n \n async def amkconn(self): # \u5b9a\u4e49\u5f02\u6b65\u8fde\u63a5\u5668\n return await aiomysql.connect(\n host = 'localhost',\n port = 3306,\n user = 'root',\n password = '123456789'\n )\n\norm = ORM_2() # \u8d26\u6237ORM\ndb = orm['\u6cc9\u5dde\u5e02'] # \u5e93ORM\nsheet = db['\u5e0c\u671b\u5c0f\u5b66'] # \u8868ORM\n```\n\n## \u589e\u3001\u5220\u3001\u6539\u3001\u67e5\n\n\u3010\u589e\u3001\u5220\u3001\u6539\u3001\u67e5\u3011\u7684\u540c\u6b65\u65b9\u6cd5\u540d\u79f0\u5206\u522b\u4e3a\uff1ainsert\u3001delete\u3001update\u3001select \u3002\n\n\u5bf9\u5e94\u7684\u5f02\u6b65\u65b9\u6cd5\u540d\u79f0\u4e3a\u5404\u540c\u6b65\u65b9\u6cd5\u540d\u524d\u52a0 `a` \uff0c\u5373\uff1aainsert\u3001adelete\u3001aupdate\u3001aselect \u3002\n\n### \u793a\u4f8b\n\n```python\nline1 = {'\u59d3\u540d': '\u5c0f\u4e00', '\u5e74\u9f84': 11, '\u6027\u522b': '\u7537', '\u89c6\u529b': 4.5, '\u7b7e\u5230\u65e5\u671f': '2023-01-11'}\nline2 = {'\u59d3\u540d': '\u5c0f\u4e8c', '\u5e74\u9f84': 12, '\u6027\u522b': '\u7537', '\u89c6\u529b': 4.6, '\u7b7e\u5230\u65e5\u671f': '2023-01-12'}\nline3 = {'\u59d3\u540d': '\u5c0f\u4e09', '\u5e74\u9f84': 13, '\u6027\u522b': '\u5973', '\u89c6\u529b': 4.7, '\u7b7e\u5230\u65e5\u671f': '2023-01-13'}\nline4 = {'\u59d3\u540d': '\u5c0f\u56db', '\u5e74\u9f84': 14, '\u6027\u522b': '\u5973', '\u89c6\u529b': 4.8, '\u7b7e\u5230\u65e5\u671f': '2023-01-14'}\nline5 = {'\u59d3\u540d': '\u5c0f\u4e94', '\u5e74\u9f84': 15, '\u6027\u522b': '\u7537', '\u89c6\u529b': 4.9, '\u7b7e\u5230\u65e5\u671f': '2023-01-15'}\nline6 = {'\u59d3\u540d': '\u5c0f\u516d', '\u5e74\u9f84': 16, '\u6027\u522b': '\u5973', '\u89c6\u529b': 5.0, '\u7b7e\u5230\u65e5\u671f': '2023-01-16'}\n```\n\n| | \u540c\u6b65\u65b9\u5f0f | \u5f02\u6b65\u65b9\u5f0f |\n| :---------: | ----------------------------- | -------------------------------------------------------- |\n| \u589e\uff081\u00a0\u6761\uff09 | sheet.insert( line1 ) | **await** sheet.**a**insert( line2 ) |\n| \u589e\uff08\u6279\u91cf\uff09 | sheet.insert( line3, line4 ) | **await** sheet.**a**insert( line5, line6 ) |\n| \u5220 | sheet.delete( ) | **await** sheet.**a**delete( ) |\n| \u6539 | sheet.update( {'\u5e74\u9f84': 100} ) | **await** sheet.**a**update( {'\u5e74\u9f84': 200} ) |\n| \u67e5 | sheet.select( ) | **await** sheet.**a**select( ) |\n\n\u67e5\u770b\u5206\u914d\u5230\u7684\u4e3b\u952e\uff1a\n\n```python\nr1 = sheet.insert( line1 )\nr2 = await sheet.ainsert( line2 )\n\nr1.lastrowid\nr2.lastrowid\n```\n\n## \u6ce8\uff1a\u4e0b\u6587\u4e2d\u6240\u6709\u793a\u4f8b\u90fd\u540c\u65f6\u652f\u6301\u540c\u6b65\u65b9\u5f0f\u548c\u5f02\u6b65\u65b9\u5f0f\uff0c\u5c06\u540c\u6b65\u793a\u4f8b\u4e2d\u7684 insert\u3001delete\u3001update\u3001select \u66ff\u6362\u4e3a ainsert\u3001adelete\u3001aupdate\u3001aselect \u5373\u4e3a\u5f02\u6b65\u65b9\u5f0f\uff0c\u5f53\u7136\uff0c\u987b\u52a0\u4e0a await \u524d\u7f00\u3002\n\n## \u6761\u4ef6\u7b5b\u9009\n\n### \u793a\u4f8b\u4e00\uff1a\u7406\u89e3\u6761\u4ef6\u7b5b\u9009\u7684\u57fa\u672c\u8303\u5f0f\n\n\u7b5b\u9009\u3010\u5e74\u9f84>13\uff0c\u4e14\u89c6\u529b\u22674.6\uff0c\u4e14\u6027\u522b\u4e3a\u5973\u3011\u7684\u6570\u636e\uff0c\u5e76\u8fdb\u884c\u589e\u5220\u6539\u67e5\uff1a\n\n**\u67e5\u8be2**\uff1a`sheet[mc.\u5e74\u9f84 > 13][mc.\u89c6\u529b >= 4.6][mc.\u6027\u522b == '\u5973'].select( )`\n\n**\u4fee\u6539**\uff1a`sheet[mc.\u5e74\u9f84 > 13][mc.\u89c6\u529b >= 4.6][mc.\u6027\u522b == '\u5973'].update( {'\u5e74\u7ea7':'\u521d\u4e00', '\u7231\u597d':'\u753b\u753b,\u8df3\u7ef3'} )`\n\n**\u5220\u9664**\uff1a`sheet[mc.\u5e74\u9f84 > 13][mc.\u89c6\u529b >= 4.6][mc.\u6027\u522b == '\u5973'].delete( )`\n\n### \u7b5b\u9009\u64cd\u4f5c\u6e05\u5355\n\n| **\u4ee3\u7801** | **\u89e3\u91ca** |\n| -------------------------------------------------------------------- | -------------------------------- |\n| mc.\u5e74\u9f84 > 10 | \u5927\u4e8e |\n| mc.\u5e74\u9f84 >= 10 | \u5927\u4e8e\u6216\u7b49\u4e8e |\n| mc.\u5e74\u9f84 < 10 | \u5c0f\u4e8e |\n| mc.\u5e74\u9f84 <= 10 | \u5c0f\u4e8e\u6216\u7b49\u4e8e |\n| mc.\u5e74\u9f84 == 10 | \u7b49\u4e8e |\n| mc.\u5e74\u9f84 != 10 | \u4e0d\u7b49\u4e8e |\n| mc.\u5e74\u7ea7.isin( '\u521d\u4e09', '\u9ad8\u4e8c' ) | \u82e5\u5b57\u6bb5\u503c\u662f\u4f20\u5165\u503c\u7684\u6210\u5458\uff0c\u5219\u7b26\u5408 |\n| mc.\u5e74\u9f84.notin( 10, 30, 45 ) | \u82e5\u5b57\u6bb5\u503c\u4e0d\u662f\u4f20\u5165\u503c\u7684\u6210\u5458\uff0c\u5219\u7b26\u5408 |\n| mc.\u59d3\u540d.re( '\u5c0f' ) | \u6b63\u5219\u5339\u914d |\n| `[mc.\u5e74\u9f84 > 3][mc.\u5e74\u9f84 < 100]` | \u4ea4\u96c6\uff08\u65b9\u5f0f\u4e00\uff09 |\n| [ (mc.\u5e74\u9f84 > 3) & (mc.\u5e74\u9f84 < 100) ] | \u4ea4\u96c6\uff08\u65b9\u5f0f\u4e8c\uff09 |\n| `[(mc.\u5e74\u9f84<30) \\| (mc.\u5e74\u9f84>30) \\| (mc.\u5e74\u9f84==30)\u00a0\\| (mc.\u5e74\u9f84==None)]` | \u5e76\u96c6 |\n| [ (mc.\u5e74\u9f84 > 3) - (mc.\u5e74\u9f84 > 100) ] | \u5dee\u96c6 |\n| [ ~(mc.\u5e74\u9f84 > 100) ] | \u8865\u96c6 |\n\n\u6ce8\uff1a\n\n1\u3001isin\u3001notin \u7684\u4f20\u5165\u503c\u90fd\u4e0d\u5fc5\u662f\u540c\u7c7b\u578b\u7684\u6570\u636e\uff0c\u4ee5 isin \u4e3a\u4f8b\uff1a\u53ef\u4ee5\u8fd9\u6837\u4f7f\u7528\uff1amc.tag.isin( 3, 3.5, '\u5b66\u751f', None ) \uff0c\u4f20\u5165\u503c\u542b\u6709 int\u3001float\u3001str\u3001NoneType \u7b49\u591a\u79cd\u7c7b\u578b\u3002\n\n2\u3001\u6210\u5458\u8fd0\u7b97\u7b26\u672a\u4f20\u5165\u4efb\u4f55\u503c\u65f6\u7684\u5904\u7406\u65b9\u5f0f\uff1a\n\n| **\u4ee3\u7801** | **\u5904\u7406\u65b9\u5f0f** |\n| ---------------- | ------------------ |\n| mc.\u5e74\u7ea7.isin( ) | \u6240\u6709\u6570\u636e\u90fd \u4e0d\u7b26\u5408 |\n| mc.\u5e74\u7ea7.notin( ) | \u6240\u6709\u6570\u636e\u90fd \u7b26\u5408 |\n\n3\u3001\u56db\u79cd\u96c6\u5408\u8fd0\u7b97\u53ef\u4ee5\u76f8\u4e92\u5d4c\u5957\uff0c\u4e14\u53ef\u4ee5\u65e0\u9650\u5d4c\u5957\u3002\n\n### \u793a\u4f8b\u4e8c\uff1a\u7406\u89e3\u5e76\u96c6\u3001\u4ea4\u96c6\u3001\u5dee\u96c6\u7684\u4f7f\u7528\n\n\u7b5b\u9009\u3010\u5e74\u9f84>13\u6216\u89c6\u529b\u22674.6\u3001\u4e14\u59d3\u540d\u542b\u6709\u2018\u5c0f\u2019\u3001\u4e14\u559c\u6b22\u8db3\u7403\u4f46\u4e0d\u559c\u6b22\u753b\u753b\u3011\u7684\u6570\u636e\uff1a\n\n**\u67e5\u8be2**\uff1a`sheet[(mc.\u5e74\u9f84>13) | (mc.\u89c6\u529b>=4.6)][mc.\u59d3\u540d.re('\u5c0f')][mc.\u7231\u597d.re('\u8db3\u7403') - mc.\u7231\u597d.re('\u753b\u753b')].select( )`\n\n**\u4fee\u6539**\uff1a`sheet[(mc.\u5e74\u9f84>13) | (mc.\u89c6\u529b>=4.6)][mc.\u59d3\u540d.re('\u5c0f')][mc.\u7231\u597d.re('\u8db3\u7403') - mc.\u7231\u597d.re('\u753b\u753b')].update( {'\u5e74\u7ea7':'\u521d\u4e09'} )`\n\n**\u5220\u9664**\uff1a`sheet[(mc.\u5e74\u9f84>13) | (mc.\u89c6\u529b>=4.6)][mc.\u59d3\u540d.re('\u5c0f')][mc.\u7231\u597d.re('\u8db3\u7403') - mc.\u7231\u597d.re('\u753b\u753b')].delete( )`\n\n## \u7279\u6b8a\u5b57\u6bb5\u540d\u7684\u8868\u793a\u65b9\u6cd5\n\nMySQL \u652f\u6301\u5404\u79cd\u7279\u6b8a\u7684\u5b57\u6bb5\u540d\uff0c\u5982\uff1a\u6570\u5b57\u3001\u7b26\u53f7\u3001emoji \u8868\u60c5\uff0c\u8fd9\u4e9b\u5b57\u7b26\u5728 Python \u4e2d\u4e0d\u662f\u5408\u6cd5\u53d8\u91cf\u540d\uff0c\u56e0\u6b64\u4f7f\u7528 mc.1\u3001mc.+ \u7b49\u683c\u5f0f\u4f1a\u62a5\u9519\uff0c\u53ef\u7528 mc['1']\u3001mc['+']\u3001mc['\ud83d\udc48'] \u8fd9\u79cd\u683c\u5f0f\u4ee3\u66ff\u3002\n\n## \u5207\u7247\n\n1\u3001\u5207\u7247\u683c\u5f0f\u4e3a [start: stop: step] \uff0cstart \u8868\u793a\u4ece\u54ea\u6761\u5f00\u59cb\uff0cstop \u8868\u793a\u5230\u54ea\u6761\u505c\u6b62\uff0cstep \u8868\u793a\u6b65\u957f\u3002\n\n2\u3001start \u548c stop\n\n* \u5f53\u4e3a\u6b63\u503c\u65f6\uff0c\u8868\u793a\u6b63\u5e8f\u7b2c x \u6761\uff0c\u4f8b\u5982\uff1a1 \u8868\u793a\u7b2c 1 \u6761\u30012 \u8868\u793a\u7b2c 2 \u6761\u3002\n* \u5f53\u4e3a\u8d1f\u503c\u65f6\uff0c\u8868\u793a\u5012\u6570\u7b2c x \u6761\uff0c\u4f8b\u5982\uff1a-1 \u8868\u793a\u5012\u6570\u7b2c 1 \u6761\u3001-2 \u8868\u793a\u5012\u6570\u7b2c 2 \u6761\u3002\n* \u4e0d\u53ef\u4e3a 0 \u3002\n\n3\u3001step\n\n* \u987b\u4e3a\u6b63\u6574\u6570\u3002\n* \u5f53 step \u2267 2 \u65f6\u8868\u793a\u95f4\u9694\u5f0f\u5207\u7247\u3002\n* \u5f53 step = 1 \u65f6\u53ef\u7701\u7565 `: step` \uff0c\u5373\uff1a[start: stop] \u7b49\u4ef7\u4e8e [start: stop: 1] \u3002\n\n### \u793a\u4f8b\n\n```python\nsheet[\u8fc7\u6ee4\u5668]...[\u8fc7\u6ee4\u5668][:].select() # \u67e5\u8be2\u7b26\u5408\u6761\u4ef6\u7684\u5168\u90e8\u6570\u636e\nsheet[\u8fc7\u6ee4\u5668]...[\u8fc7\u6ee4\u5668][:].delete() # \u5220\u9664\u7b26\u5408\u6761\u4ef6\u7684\u5168\u90e8\u6570\u636e\nsheet[\u8fc7\u6ee4\u5668]...[\u8fc7\u6ee4\u5668][:].update({'\u5e74\u7ea7':'\u521d\u4e00'}) # \u4fee\u6539\u7b26\u5408\u6761\u4ef6\u7684\u5168\u90e8\u6570\u636e\n\nsheet[\u8fc7\u6ee4\u5668]...[\u8fc7\u6ee4\u5668][1].select() # \u67e5\u8be2\u7b26\u5408\u6761\u4ef6\u7684\u7b2c1\u6761\nsheet[\u8fc7\u6ee4\u5668]...[\u8fc7\u6ee4\u5668][1].delete() # \u5220\u9664\u7b26\u5408\u6761\u4ef6\u7684\u7b2c1\u6761\nsheet[\u8fc7\u6ee4\u5668]...[\u8fc7\u6ee4\u5668][1].update({'\u5e74\u7ea7':'\u521d\u4e00'}) # \u4fee\u6539\u7b26\u5408\u6761\u4ef6\u7684\u7b2c1\u6761\n\nsheet[\u8fc7\u6ee4\u5668]...[\u8fc7\u6ee4\u5668][3:7].select() # \u67e5\u8be2\u7b26\u5408\u6761\u4ef6\u7684\u7b2c3~7\u6761\nsheet[\u8fc7\u6ee4\u5668]...[\u8fc7\u6ee4\u5668][3:7].delete() # \u5220\u9664\u7b26\u5408\u6761\u4ef6\u7684\u7b2c3~7\u6761\nsheet[\u8fc7\u6ee4\u5668]...[\u8fc7\u6ee4\u5668][3:7].update({'\u5e74\u7ea7':'\u521d\u4e00'}) # \u4fee\u6539\u7b26\u5408\u6761\u4ef6\u7684\u7b2c3~7\u6761\n\nsheet[\u8fc7\u6ee4\u5668]...[\u8fc7\u6ee4\u5668][3:7:2].select() # \u67e5\u8be2\u7b26\u5408\u6761\u4ef6\u7684\u7b2c3\u30015\u30017\u6761\nsheet[\u8fc7\u6ee4\u5668]...[\u8fc7\u6ee4\u5668][3:7:2].delete() # \u5220\u9664\u7b26\u5408\u6761\u4ef6\u7684\u7b2c3\u30015\u30017\u6761\nsheet[\u8fc7\u6ee4\u5668]...[\u8fc7\u6ee4\u5668][3:7:2].update({'\u5e74\u7ea7':'\u521d\u4e00'}) # \u4fee\u6539\u7b26\u5408\u6761\u4ef6\u7684\u7b2c3\u30015\u30017\u6761\n```\n\n\u503c\u5f97\u6ce8\u610f\u7684\u5730\u65b9\uff1a [3: 8: 2] \u64cd\u4f5c\u7b2c 3\u30015\u30017 \u6761\uff0c\u800c [8: 3: 2] \u64cd\u4f5c\u7b2c 8\u30016\u30014 \u6761\u3002\n\n\u66f4\u591a\u793a\u4f8b\uff1a\n\n```python\n[:] # \u6240\u6709\u6570\u636e\n[1:-1] # \u6240\u6709\u6570\u636e\n[-1:1] # \u6240\u6709\u6570\u636e\uff08\u9006\u5e8f\uff09\n[1:] # \u6240\u6709\u6570\u636e\n[:1000] # \u7b2c1\u6761 ~ \u7b2c1000\u6761\n[:-1000] # \u7b2c1\u6761 ~ \u5012\u6570\u7b2c1000\u6761\n[100:200] # \u7b2c100\u6761 ~ \u7b2c200\u6761\n[200:100] # \u7b2c200\u6761 ~ \u7b2c100\u6761\n[-300:-2] # \u5012\u6570\u7b2c300\u6761 ~ \u5012\u6570\u7b2c2\u6761\n[50:-2] # \u7b2c50\u6761 ~ \u5012\u6570\u7b2c2\u6761\n[250:] # \u7b2c250\u6761 ~ \u6700\u540e1\u6761\n[-250:] # \u5012\u6570\u7b2c250\u6761 ~ \u6700\u540e1\u6761\n[1] # \u7b2c1\u6761\n[-1] # \u6700\u540e1\u6761\n[::3] # \u4ee53\u4e3a\u95f4\u8ddd, \u95f4\u9694\u64cd\u4f5c\u6240\u6709\u6570\u636e\n[100:200:4] # \u4ee54\u4e3a\u95f4\u8ddd, \u95f4\u9694\u64cd\u4f5c\u7b2c100\u6761 ~ \u7b2c200\u6761\n```\n\n## \u5b57\u6bb5\u63d0\u793a\n\n\u53d8\u91cf mc \u65e0\u5b57\u6bb5\u63d0\u793a\u529f\u80fd\uff0c\u8f93\u5165\u2018mc.\u2019\u540e\uff0c\u7f16\u8f91\u5668\u4e0d\u4f1a\u63d0\u793a\u53ef\u9009\u5b57\u6bb5\u3002\n\n\u4e3a\u4e86\u83b7\u5f97\u5b57\u6bb5\u63d0\u793a\u529f\u80fd\uff0c\u53ef\u81ea\u5efa\u4e00\u4e2a\u2018mc2\u2019\uff1a\n\n```python\nclass mc2(mc):\n \u59d3\u540d = \u5e74\u9f84 = \u7b7e\u5230\u65e5\u671f = \u5e74\u7ea7 = \u7231\u597d = None\n\nawait sheet[mc.\u59d3\u540d == '\u5c0f\u738b'][mc2.\u5e74\u9f84 > 10].aselect()\n```\n\n\u6ce8\uff1a\n\n1\u3001mc2 \u4e0e mc \u7528\u6cd5\u5b8c\u5168\u4e00\u81f4\uff0c\u53ef\u6df7\u7528\u3002\n\n2\u3001mc2 \u8bbe\u7f6e\u5b57\u6bb5\u63d0\u793a\u540e\uff0c\u4ec5\u5177\u5907\u63d0\u793a\u6548\u679c\uff0c\u800c\u4e0d\u4ea7\u751f\u4efb\u4f55\u5b9e\u9645\u7ea6\u675f\u3002\n\n## \u6392\u5e8f\n\n\u5bf9\u6240\u6709\u5e74\u7ea7\u4e3a\u201c\u9ad8\u4e00\u201d\u7684\u6570\u636e\uff0c\u4f18\u5148\u6309\u5e74\u9f84\u964d\u5e8f\uff0c\u5176\u6b21\u6309\u59d3\u540d\u5347\u5e8f\uff0c\u6392\u5e8f\u540e\u8fd4\u56de\u7b2c 2\\~4 \u6761\u6570\u636e\uff1a\n\n```python\nsheet[mc.\u5e74\u7ea7=='\u9ad8\u4e00'].order(\u5e74\u9f84=False, \u59d3\u540d=True)[2:4].select()\n```\n\n\u6709\u8da3\u7684\uff0c\u4ee5\u4e0b\u4e24\u884c\u4ee3\u7801\u7684\u8fd4\u56de\u7ed3\u679c\u76f8\u540c\uff1a\n\n```python\nsheet[mc.\u5e74\u7ea7=='\u9ad8\u4e00'].order(\u5e74\u9f84=True)[1:-1].select()\n\nsheet[mc.\u5e74\u7ea7=='\u9ad8\u4e00'].order(\u5e74\u9f84=False)[-1:1].select()\n```\n\n\u89e3\u91ca\uff1aorder(\u5e74\u9f84=False) \u8868\u793a\u6309\u5e74\u9f84\u964d\u5e8f\uff0c[-1:1] \u8868\u793a\u9006\u5e8f\u5207\u7247\uff0c\u4ea7\u751f\u4e86\u7c7b\u4f3c\u2018\u8d1f\u8d1f\u5f97\u6b63\u2019\u7684\u6548\u679c\u3002\n\n\u6ce8\uff1a\n\n1\u3001\u7b5b\u9009\u5668\u3001\u5207\u7247\u5668\u3001\u6392\u5e8f\u5668\u3001\u9650\u5b9a\u5b57\u6bb5\u5668\u7684\u4f4d\u7f6e\u53ef\u4efb\u610f\uff0c\u4f4d\u7f6e\u4e0d\u5f71\u54cd\u5176\u6548\u679c\u3002\u5f53\u7136\uff0c\u5b83\u4eec\u90fd\u5e94\u8be5\u5728 sheet \u4e4b\u540e\uff0c\u4e14\u5728 select/update/delete \u4e4b\u524d\u3002\n\n2\u3001\u53ef\u53cd\u590d\u6392\u5e8f\uff0cselect/update/delete \u65f6\u662f\u6839\u636e\u6700\u540e\u4e00\u6b21\u6307\u5b9a\u7684\u987a\u5e8f\u63d0\u53d6\u6570\u636e\u3002\u4ee5\u4e0b\u4ee3\u7801\u6700\u7ec8\u662f\u6309\u5e74\u9f84\u964d\u5e8f\u540e\u63d0\u53d6\u6570\u636e\uff1a\n\n```python\nsheet.order(\u5e74\u9f84=True, \u59d3\u540d=False).order(\u5e74\u9f84=False).select()\n```\n\n3\u3001\u82e5\u60f3\u53d6\u6d88\u6392\u5e8f\uff0c\u5219\u518d\u6b21\u8c03\u7528 order \u65b9\u6cd5\uff0c\u4f46\u4e0d\u4f20\u5165\u4efb\u4f55\u503c\u3002\n\n```python\nsheet.order(\u5e74\u9f84=True, \u59d3\u540d=False).order().select()\n```\n\n## \u9650\u5b9a\u5b57\u6bb5\n\n\u53ea\u8fd4\u56de\u59d3\u540d\u3001\u5e74\u9f84\u8fd9\u4e24\u4e2a\u5b57\u6bb5\uff1a\n\n```python\nsheet[mc.\u5e74\u7ea7=='\u9ad8\u4e00']['\u59d3\u540d','\u5e74\u9f84'].select()\n```\n\n\u6ce8\uff1a\n\n1\u3001\u9650\u5b9a\u5b57\u6bb5\u53ea\u5bf9 select \u6709\u4f5c\u7528\uff0c\u5bf9 update/delete \u65e0\u4f5c\u7528\u4f46\u4e0d\u4f1a\u62a5\u9519\u3002\n\n2\u3001\u7b5b\u9009\u5668\u3001\u5207\u7247\u5668\u3001\u6392\u5e8f\u5668\u3001\u9650\u5b9a\u5b57\u6bb5\u5668\u7684\u4f4d\u7f6e\u53ef\u4efb\u610f\uff0c\u4f4d\u7f6e\u4e0d\u5f71\u54cd\u5176\u6548\u679c\u3002\u5f53\u7136\uff0c\u5b83\u4eec\u90fd\u5e94\u8be5\u5728 sheet \u4e4b\u540e\uff0c\u4e14\u5728 select/update/delete \u4e4b\u524d\u3002\n\n3\u3001\u53ef\u53cd\u590d\u9650\u5b9a\u5b57\u6bb5\uff0c\u67e5\u8be2\u65f6\u662f\u6839\u636e\u6700\u540e\u4e00\u6b21\u6307\u5b9a\u7684\u5b57\u6bb5\u63d0\u53d6\u6570\u636e\u3002\u4ee5\u4e0b\u4ee3\u7801\u8fd4\u56de\u7ed3\u679c\u4e2d\u53ea\u6709\u2018\u5e74\u9f84\u2019\u5b57\u6bb5\uff1a\n\n```python\nsheet[mc.\u5e74\u7ea7=='\u9ad8\u4e00']['\u59d3\u540d']['\u5e74\u9f84'].select()\n```\n\n4\u3001\u82e5\u60f3\u6062\u590d\u63d0\u53d6\u5168\u90e8\u5b57\u6bb5\uff0c\u5219\u9650\u5b9a\u5b57\u6bb5\u4e3a `'*'` \uff0c`'*'` \u5373\u4ee3\u8868\u201c\u5168\u90e8\u5b57\u6bb5\u201d\u3002\n\n```python\nsheet[mc.\u5e74\u7ea7=='\u9ad8\u4e00']['\u59d3\u540d']['*'].select()\n```\n\n## \u7edf\u8ba1\n\n| | \u540c\u6b65\u65b9\u5f0f | \u5f02\u6b65\u65b9\u5f0f |\n| ---------------------- | --------------------------- | -------------------------------------------- |\n| \u7edf\u8ba1\u5e93\u7684\u6570\u91cf | orm.len( ) | **await** orm.**a**len( ) |\n| \u7edf\u8ba1\u8868\u7684\u6570\u91cf | db.len( ) | **await** db.**a**len( ) |\n| \u7edf\u8ba1\u884c\u7684\u6570\u91cf | sheet.len( ) | **await** sheet.**a**len( ) |\n| \u7edf\u8ba1\u7b26\u5408\u6761\u4ef6\u7684\u884c\u7684\u6570\u91cf | sheet[ mc.age > 8\u00a0].len( ) | **await** sheet[ mc.age > 8\u00a0].**a**len( ) |\n| \u83b7\u53d6\u5e93\u540d\u6e05\u5355 | orm.get_db_names( ) | **await** orm.**a**get_db_names( ) |\n| \u83b7\u53d6\u8868\u540d\u6e05\u5355 | db.get_sheet_names( ) | **await** db.**a**get_sheet_names( ) |\n| \u83b7\u53d6\u4e3b\u952e | sheet.get_pk( ) | **await** sheet.**a**get_pk( ) |\n\n## \u8fed\u4ee3\u6240\u6709 \u5e93ORM \u548c \u8868ORM\n\n```python\n# \u540c\u6b65\u65b9\u5f0f\u8fed\u4ee3\nfor db in orm:\n for sheet in db:\n print(sheet.sheet_name)\n\n# \u5f02\u6b65\u65b9\u5f0f\u8fed\u4ee3\nasync for db in orm:\n async for sheet in db:\n print(sheet.sheet_name)\n```\n\n## \u5173\u95ed MySQL \u8fde\u63a5\n\n\u5bf9 orm\u3001db\u3001sheet \u4e2d\u7684\u4efb\u610f\u4e00\u4e2a\u8c03\u7528 close( ) \u65b9\u6cd5\u5373\u53ef\u3002\n\n\u5173\u95ed mysql \u8fde\u63a5\u540e\uff0corm\u3001db\u3001sheet \u90fd\u53ef\u4ee5\u518d\u4f7f\u7528\u3002\u5f53\u518d\u6b21\u4f7f\u7528\u65f6\uff0cORM \u4f1a\u81ea\u52a8\u91cd\u65b0\u8fde\u63a5\u3002\n\n## \u6267\u884c\u539f\u751f SQL \u8bed\u53e5\n\n```python\ndata, cursor = sheet.execute('select \u59d3\u540d from \u5e0c\u671b\u5c0f\u5b66 limit 1')\ndata # >>> [{'\u59d3\u540d': '\u5c0f\u4e00'}]\n\ndata, cursor = sheet.execute('update \u5e0c\u671b\u5c0f\u5b66 set \u7231\u597d=\"\u7f16\u7a0b\" limit 3')\ncursor.rowcount # >>> 3\n\ndata, cursor = sheet.execute(\"delete from \u5e0c\u671b\u5c0f\u5b66 limit 2\")\ncursor.rowcount # >>> 2\n\ndata, cursor = sheet.executemany( 'insert into \u5e0c\u671b\u5c0f\u5b66(\u59d3\u540d, \u5e74\u9f84) values (%s, %s)', [('\u5c0f\u4e03', 17), ('\u5c0f\u516b', 18)] )\ncursor.lastrowid # >>> 8\n```\n\n## \u6309\u4e3b\u952e\u4fee\u6539\n\n```python\ndata = {\n 2: {'\u59d3\u540d':'xiao\u4e8c', '\u5e74\u9f84':20},\n 3: {'\u5e74\u7ea7':'\u4e09\u5e74\u7ea7'},\n 4: {'id':400, '\u89c6\u529b':4.0}\n}\n\nsheet.update_by_pk(data)\n```\n\n## \u7528\u81ea\u5b9a\u4e49\u51fd\u6570\u4fee\u6539\n\n```python\ndef handler(row: dict):\n row['\u5e74\u9f84'] += 1 # \u5e74\u9f84\u7edf\u4e00\u52a01\u5c81\n if row['\u7231\u597d'] == '\u6253\u7bee\u7403':\n row['\u8eab\u9ad8'] = 180\n elif row['\u7231\u597d'] == '\u73a9\u624b\u673a':\n row['\u89c6\u529b'] = 1.8\n row['\u59d3\u540d'] = row['\u59d3\u540d'].replace('\u5c0f', 'xiao')\n\nsheet[mc.\u5e74\u9f84>11][:].apply(handler) # \u4fee\u6539\u7b26\u5408\u6761\u4ef6\u7684\u6240\u6709\u6570\u636e\nsheet[mc.\u5e74\u9f84>11][2:-2].apply(handler) # \u4fee\u6539\u7b26\u5408\u6761\u4ef6\u7684\u7b2c2\u6761~\u5012\u6570\u7b2c2\u6761\nsheet[mc.\u5e74\u9f84>11][2].apply(handler) # \u4fee\u6539\u7b26\u5408\u6761\u4ef6\u7684\u7b2c2\u6761\u6570\u636e\n```\n\n\u6ce8\uff1a\n\n1\u3001\u4f20\u9012\u7ed9 apply \u65b9\u6cd5\u7684\u51fd\u6570\u5fc5\u987b\u63a5\u6536\u4e14\u4ec5\u63a5\u6536 1 \u4e2a\u53c2\u6570\uff0c\u53c2\u6570\u540d\u53ef\u4ee5\u4e0d\u662f\u2018row\u2019\u3002\n\n2\u3001\u53ef\u53ea\u63d0\u53d6\u9700\u8981\u7684\u5b57\u6bb5\u4ee5\u63d0\u5347\u6027\u80fd\u3002\u6bd4\u5982\u5728\u4e0a\u4f8b\u4e2d\uff0chandler \u51fd\u6570\u53ea\u4f7f\u7528\u5230\u5e74\u9f84\u3001\u7231\u597d\u3001\u59d3\u540d\u8fd93\u4e2a\u5b57\u6bb5\uff0c\u53ef\u6539\u4e3a `sheet[mc.\u5e74\u9f84>11]['\u5e74\u9f84', '\u7231\u597d', '\u59d3\u540d'][:].apply(handler)` \u4ee5\u63d0\u9ad8\u6027\u80fd\u3002\n\n3\u3001ORM \u4f1a\u81ea\u52a8\u5bf9\u6bd4\u4fee\u6539\u524d\u4e0e\u4fee\u6539\u540e\u7684\u6570\u636e\u5dee\u5f02\uff0c\u53ea\u63d0\u4ea4\u5dee\u5f02\u90e8\u5206\u5230\u6570\u636e\u5e93\u3002\n\n## \u8c03\u7528 MySQL \u51fd\u6570\n\n### \u793a\u4f8b\u4e00\n\n\u5728\u67e5\u8be2\u3001\u5220\u9664\u3001\u4fee\u6539\u7684\u7b5b\u9009\u6761\u4ef6\u4e2d\u8c03\u7528 year \u51fd\u6570\n\n```python\nfrom coolmysql import mf\n\nsheet[mf.year('\u7b7e\u5230\u65e5\u671f') == 2023][:].select()\nsheet[mf.year('\u7b7e\u5230\u65e5\u671f') == 2029][:].delete()\nsheet[mf.year('\u7b7e\u5230\u65e5\u671f') == 2023][:].update({'\u6027\u522b':'\u5973'})\n```\n\n### \u793a\u4f8b\u4e8c\n\n\u5728\u4fee\u6539\u4e2d\u4f5c\u4e3a\u65b0\u503c\n\n```python\nsheet[:].update({'\u5907\u6ce8': '\u7b7e\u5230\u65e5\u671f'}) # \u4fee\u6539\u4e3a'\u7b7e\u5230\u65e5\u671f'\u8fd9\u4e2a\u5b57\u7b26\u4e32\nsheet[:].update({'\u5907\u6ce8': mc.\u7b7e\u5230\u65e5\u671f}) # \u4fee\u6539\u4e3a\u5404\u81ea\u7684'\u7b7e\u5230\u65e5\u671f'\u5b57\u6bb5\u7684\u503c\nsheet[:].update({'\u5907\u6ce8': mf.year('\u7b7e\u5230\u65e5\u671f')}) # \u4fee\u6539\u4e3a\u5404\u81ea\u7684'\u7b7e\u5230\u65e5\u671f'\u5b57\u6bb5\u7684\u503c\u7ecfyear\u5904\u7406\u540e\u7684\u503c\n```\n\n\u4f7f\u7528\u8be5\u8bed\u6cd5\u53ef\u8c03\u7528mysql\u7684\u4efb\u610f\u51fd\u6570\u3002\n\n### MySQL \u51fd\u6570\u540d\u63d0\u793a\n\nORM \u5df2\u6dfb\u52a0\u4e86\uff0820\u51e0\u4e2a\uff09mysql \u5e38\u7528\u51fd\u6570\u7684\u51fd\u6570\u540d\u63d0\u793a\uff0c\u8f93\u5165\u2018mf.\u2019\u540e\uff0c\u7f16\u8f91\u5668\u4f1a\u63d0\u793a\u53ef\u9009\u51fd\u6570\u540d\u3002\u5982\u6709\u9700\u8981\uff0c\u53ef\u6dfb\u52a0\u66f4\u591a\u63d0\u793a\uff1a\n\n```python\nclass mf2(mf):\n reverse = length = lower = upper = None\n\nsheet[mf2.reverse('\u59d3\u540d') == '\u4e8c\u5c0f'][:].select()\n```\n\n\u6ce8\uff1a\n\n1\u3001mf2 \u4e0e mf \u7528\u6cd5\u5b8c\u5168\u4e00\u81f4\uff0c\u53ef\u6df7\u7528\u3002\n\n2\u3001mf2 \u8bbe\u7f6e\u51fd\u6570\u540d\u63d0\u793a\u540e\uff0c\u4ec5\u5177\u5907\u63d0\u793a\u6548\u679c\uff0c\u800c\u4e0d\u4ea7\u751f\u4efb\u4f55\u5b9e\u9645\u7ea6\u675f\u3002\n",
"bugtrack_url": null,
"license": null,
"summary": "\u4e00\u4e2a\u4f18\u96c5\u7684 mysql ORM \uff0c\u65e0\u987b\u505a\u6a21\u578b\u6620\u5c04\uff0c\u6240\u6709\u64cd\u4f5c\u90fd\u540c\u65f6\u63d0\u4f9b\u540c\u6b65\u3001\u5f02\u6b65\u4e24\u79cd\u65b9\u5f0f\u3002",
"version": "2.0.1",
"project_urls": {
"HomePage": "https://github.com/lcctoor/arts/tree/main/arts/coolmysql"
},
"split_keywords": [
"mysql",
"pymysql",
"aiomysql",
"orm",
"coolmysql"
],
"urls": [
{
"comment_text": null,
"digests": {
"blake2b_256": "104fe650c495eeaec521c22b51dd8e97247f6b2e5a4a7c722891f134bc22e87a",
"md5": "0de4131dfc9368620260804aa4a0fe6e",
"sha256": "ea9d51a8468bda8f6fc936e6df6c0b52bab5881cba23ad70e50e2e25df87aed6"
},
"downloads": -1,
"filename": "coolmysql-2.0.1-py2.py3-none-any.whl",
"has_sig": false,
"md5_digest": "0de4131dfc9368620260804aa4a0fe6e",
"packagetype": "bdist_wheel",
"python_version": "py2.py3",
"requires_python": null,
"size": 10579,
"upload_time": "2024-02-25T04:54:23",
"upload_time_iso_8601": "2024-02-25T04:54:23.398498Z",
"url": "https://files.pythonhosted.org/packages/10/4f/e650c495eeaec521c22b51dd8e97247f6b2e5a4a7c722891f134bc22e87a/coolmysql-2.0.1-py2.py3-none-any.whl",
"yanked": false,
"yanked_reason": null
},
{
"comment_text": null,
"digests": {
"blake2b_256": "dbfdb079e7e4851d86f615f4c13f668e9af1ed453b70c273ecd2dcfe49fba753",
"md5": "cc0d420ec3b7769854c05da636005d2a",
"sha256": "d49ae85db7c04575d06c0acc10ea858cd49238f108821af693cc14d0ae2997ad"
},
"downloads": -1,
"filename": "coolmysql-2.0.1.tar.gz",
"has_sig": false,
"md5_digest": "cc0d420ec3b7769854c05da636005d2a",
"packagetype": "sdist",
"python_version": "source",
"requires_python": null,
"size": 22416,
"upload_time": "2024-02-25T04:54:25",
"upload_time_iso_8601": "2024-02-25T04:54:25.972988Z",
"url": "https://files.pythonhosted.org/packages/db/fd/b079e7e4851d86f615f4c13f668e9af1ed453b70c273ecd2dcfe49fba753/coolmysql-2.0.1.tar.gz",
"yanked": false,
"yanked_reason": null
}
],
"upload_time": "2024-02-25 04:54:25",
"github": true,
"gitlab": false,
"bitbucket": false,
"codeberg": false,
"github_user": "lcctoor",
"github_project": "arts",
"travis_ci": false,
"coveralls": false,
"github_actions": false,
"lcname": "coolmysql"
}
