鑒於網上關於flask-SQLAlchemy的實例使用教程參差不齊，於此寫下工作學習過程中的使用過程，以便分享交流。
對於python關於flask有一定了解的高端玩家來說，請轉至flask官方開發文檔。
一.安裝(install)
需要有安裝python的PC一台，介於windows系統用戶比較多，本文章使用的是windows下開發。
1.創建虛擬
為每一個工程創建一個獨立的python運行環境是我們所需要的，python提供了virtualenv，可以為我們提供這個特殊的需求。
配置virtualenv環境
windows環境下運行cmd.exe，使用管理員權限運行。
pip install virtualenv
筆者使用的python版本是3.5.2，該版本中自動配置了pip應用，使用pip指令可以很方便的下載到你所需要的python拓展庫。 
安裝成功后會出現successfully installed virtualenv字樣。
PS：如果pip指令無法使用，請確認python環境下scripts是否包含在系統環境變量中的Path中。
使用控制台進入你需要配置該虛擬環境的目錄，使用mkdir創建工程的文件夾，筆者創建的工程名為sqlalchemy_demo
mkdir sqlalchemy_demo
創建虛擬Python運行環境
virtualenv flask
出現如下字樣，說明虛擬環境創建成功
進入工程文件夾，激活虛擬python運行環境
flask\scripts\activate
出現如下字樣顯示，說明進入虛擬python運行環境成功
2.安裝所需要的庫文件
我們需要兩個庫文件，一個是flask，另一個是flask-SQLAlchemy。使用pip指令安裝
pip install flask
pip install flask-sqlalchemy
看到如下字樣說明兩個庫文件安裝成功
至此，環境配置階段結束。
二.flask-SQLAlchemy簡介
flask-SQLAlchemy 是一個為您的flask應用增加SQLAlchemy支持的擴展。
在python擴展庫中其實包含了SQLAlchemy。在版本的不斷疊加后，已經被整合到flask架構中，flask-SQLAlchemy簡化在Flask中SQLAlchemy的使用，提供了有用的默認值和額外的助手來更簡單地完成常見任務。
筆者認為SQLAlchemy比較精髓的是使用ORM(對象關系映射),相對於傳統連接數據庫使用select,update,insert,delete操作數據表來說具有以下特點[1]：
簡單——以最基本的形式建模數據
傳達性——數據庫結構被任何人都能理解的語言文檔化
精確性——基於數據模型創建正確標准化的結構
完事無絕對，ORM有明顯的優勢，就會想伴隨有缺點。
隱蔽性——相對於傳統使用select,update,insert,delete來說，隱藏了操作數據表的具體操作，不利於SQL的學習
數據表結構修改難——在設計中有時會忽略了一些字段的定義，在ORM模式中只能更新映射表更新字段，而且效果遠不如alter table [表名] add 字段名更新字段來的容易理解，常常會忽略一些細節
但不得不說，ORM模式的確打開了新世界的大門，大大減少了學習及使用數據庫的過程與難度。
三.在實例中應用
1.文件結構
sqlalchemy_demo--->flask
--->database.py
--->model.py
--->test.py
2.創建SQLAlchemy配置文件
database.py代碼如下所示
from flask import Flask from flask_sqlalchemy import SQLAlchemy import os basedir = os.path.abspath(os.path.dirname(__file__)) app = Flask(__name__) app.config['SQLALCHEMY_DATABASE_URI'] = 'sqlite:///' + os.path.join(basedir, 'test.db') app.config['SQLALCHEMY_TRACK_MODIFICATIONS'] = False db = SQLAlchemy(app） def db_init(): db.create_all()
一句一句解釋
（1）from flask import Flask
Flask類是flask框架的核心類，它實現了WSGI應用規范。
（2）from flask_sqlalchemy import SQLAlchemy
將flask-sqlchemy中內置的SQLAlchemy引用到該文件下。
（3）import OS
本實例中需要將數據庫創建在工程的更目錄下，使用python內置os庫可以很方便的定位到工程路徑下。
（4）basedir = os.path.abspath(os.path.dirname(__file__))
將當前文件傳入dirname函數中，獲取當前文件所在路徑，abspath函數獲取該文件所在的絕對路徑，以便在后邊配置創建數據庫的路徑使用。
（5）app = Flask(__name__) [2]
Flask構造函數的第一個參數指定一個引入參數/importname。
Flask框架使用這個名字進行靜態資源、模板、錯誤信息的定位。除非你清楚的理解它的作用，通常情況下，我們總應該使用特殊變量__name__。
Flask實例是可調用的（具有call方法），這個實例可以直接對接 WSGI服務器。
（6）app.config['SQLALCHEMY_DATABASE_URI'] = 'sqlite:///' + os.path.join(basedir, 'test.db')
app.config['SQLALCHEMY_TRACK_MODIFICATIONS'] = False
SQLALCHEMY_DATABASE_URI:用於連接數據庫
eg：sqlite:////tmp/test/db
mysql://username:password@server/db
SQLALCHEMY_TRACK_MODIFICATIONS:
如果設置成True(默認情況)，Flask-SQLAlchemy 將會追蹤對象的修改並且發送信號。這需要額外的內存， 如果不必要的可以禁用它。如果你不顯示的調用它，在最新版的運行環境下，會顯示警告。
（7）db = SQLAlchemy(app)
SQLAlchemy函數，將剛剛創建的Flask框架，與工程所需要使用的數據庫綁定到一起，以便實現工程與數據庫連接，實現數據操作。
（8）db_init()函數
手動創建函數，以便初始化數據庫
以上就是配置database.py的一些說明，但現在還遠遠不夠，因為當前工程的數據庫在創建之后只是單純的一個空數據庫，不包含任何數據表。
那怎么創建數據表呢，工程下需要一個映射表，以便將表格映射到數據庫中，以達到創建表格的作用。
3.創建映射表
如下為一段創建最簡單的User數據表的代碼。
from database import db class User(db.Model): id = db.Column(db.Integer, primary_key=True) username = db.Column(db.String(80), unique=True) email = db.Column(db.String(120), unique=True) def __init__(self, username, email): self.username = username self.email = email def __repr__(self): return '<User %r>' % self.usernam
仍然是逐句解釋
（1）from database import db
將剛剛創建的SQLAlchemy應用引用到當前文件，以便將映射表映射到數據庫中，以便對於數據表的創建修改以及更新刪除。
（2）db.Model
上邊提到，當工程文件不提供映射表時將創建一個空的數據庫文件。繼承db.Model類，將我們當前創建的映射表和數據庫db綁定在一起。此時工程文件調用create_all函數后，會自動將綁定后的映射表文件創建在數據庫文件中。
如果想探究詳細綁定關系，請應用純SQlAlchemy庫，而不是flask-sqlalchemy庫，之前調到了flask-sqlalchemy是簡化版的SQLAlchemy，隱藏了許多細節，深入研究請轉至SQLAlchemy官方文檔查看應用細節。
（3）db.Column
創建映射表字段，以下為最常見的類型
| Integer | 存儲整數 |
| String(size) | 存儲有長度的字符串 |
| Text | 存儲較長的unicode文本 |
| DateTime | 存儲時間類型數據 |
| Float | 存儲浮點值 |
| Boolean | 存儲布爾值 |
| PickleType | 存儲一個python對象 |
| LargeBinary | 存儲一個任意大的二進制數據 |
primary_key=True設置當前字段為主鍵
uniqu=True設置當前字段不可重復
當然也可以設置主鍵外鍵，在本文中只創建了一張數據表，在以后的文章中將說明此操作。
（4）__init__函數
為映射表的構造函數，一般用來初始變量，配置相關數據時使用
（5）__repr__函數
為以后調試輸出提供接口
4.修改database.py
將下面的代碼添加到database.py的底部
from model import User
Q：為什么添加到底部呢？
A：如果你添加到頭部引用model中的User，此時User類已經被引用並創建。有沒有發現一個問題，User類繼承了db.Model類，那么此時User類創建的時候無法找到db這個參數，因為db參數還沒有創建。
from flask import Flask from flask_sqlalchemy import SQLAlchemy import os from model import User
上邊的就是錯誤的例子，當你引用User類時，此時db對象還沒有被創建，所以調用db_init()函數時會顯示ImportError: cannot import name 'User'
from flask import Flask from flask_sqlalchemy import SQLAlchemy import os ... db = SQLAlchemy(app) ... from model import User
上邊的偽代碼就是正確的寫法，引用User類的時機至少要等到db對象創建結束后才能引用。為什么放在底部呢？為了調整文件結構，使代碼看起來不是很亂，放在其他處也沒關系，但請注意以下兩點：
（1）如果你打算在該文件引用User類，請保證全局引用。
（2）無論發在哪里，至少要在db = SQLAlchemy(app)執行后，生成db對象才能進行引用，否則會導致model.py文件執行錯誤。
至此，映射表文件創建成功。
4.創建數據庫
將以上配置結束后，可以調用db_init()函數創建數據庫了。
還記得之前配置的虛擬python運行環境么，在虛擬環境下輸入python，進入python指令模式進行創建
此時，工程文件夾根目錄已經生成了內置的sqlite數據庫文件test.db
四.SQLAlchemy下的數據庫操作
1.insert
添加4個用戶，將database.py中的User和db引用到文件中，此處必須引用database中的User，如果引用model中的User會造成循環引用，因為model.py中引用了database模塊中的db變量
from database from User，db
u1 = User(username= 'john', email = 'john@example.com') u2 = User(username= 'susan', email = 'susan@example.com') u3 = User(username= 'mary', email = 'mary@example.com') u4 = User(username= 'david', email = 'david@example.com') db.session.add(u1) db.session.add(u2) db.session.add(u3) db.session.add(u4) db.session.commit()
（1）對象 = User(字段1='值1',字段2='值2')
相當於SQL操作INSERT INTO User VALUES(字段1='值1',字段2='值2')，並將該SQL語句賦值到一個對象上
（2）db.session.add()
將對於數據庫的操作保存在緩存中，既然是保存到緩存中，那么該數據庫語句還沒有提交到數據庫中
（3）db.session.commit()
commit()和數據庫中的commit指令一樣，將數據庫操作提交到數據庫中。
2.select
查詢所有用戶信息，並輸出結果
from database import User, db for user in User.query.all(): print(user.id, user.name, user.email)
以下是運行產生的結果
(1)精確查詢
查詢用戶名為susan的用戶郵箱
from database import User， db u = User.query.filter_by(username='susan').first() print(u.email)
(2)模糊查詢
查詢郵箱以example.com結尾的用戶，輸出用戶名及郵箱
from database import User, db for user in User.query.filter(User.email.ilike('%example.com')).all(): print(user.username, user.email)
以下是運行產生的結果
PS：將查詢出的結果按照正序或者逆序排序請使用，以username為例order_by(User.username)正序，order_by(User.username.desc())逆序
3.update
更新操作和查詢操作有交集，請看以下代碼示例，將john的郵箱修改為john@example.vip.com
from database import User, db u = User.query.filter_by(username='john').first() u.email = 'john@example.vip.com' db.session.add(u) db.session.commit()
解釋起來就是首先將對象查詢出來，然后將修改的字段賦值，並將查詢出的對象提交到數據庫，這樣更新操作就結束了。
4.delete
將david用戶刪除
from database import User, db u = User.query.filter_by(username='john').first() db.session.delete(u) db.session.commit()
調用delete()函數，將數據傳入db對象，並提交到數據庫中。
五.單體測試框架測試
對本文提到的操作進行單體測試。（test.py文件代碼如下）
import unittest from database import User, db class TestCase(unittest.TestCase): def setUp(self): pass def tearDown(self): pass def test_db(self): u1 = User.query.filter_by(username='john').first() u2 = User.query.filter_by(username='susan').first() u3 = User.query.filter_by(username='mary').first() u4 = User.query.filter_by(username='david').first() assert u1.email == 'john@example.vip.com' assert u2.email == 'susan@example.com' assert u3.email == 'mary@example.com' assert u4.email == 'david@example.com' u5 = User(username='Alima', email='Alima@example.com') db.session.add(u5) db.session.commit() u = User.query.filter_by(username='Alima').first() assert u.email == 'Alima@example.com' u5.email = 'Alima@example.vip.com' db.session.add(u5) db.session.commit() u = User.query.filter_by(username='Alima').first() assert u.email == 'Alima@example.vip.com' db.session.delete(u5) db.session.commit() u = User.query.filter_by(username='Alima').first() assert u == None if __name__ == '__main__': unittest.main()
執行test.py，運行結果：
顯示OK，單體測試結束。
以上就是基本的flask-SQLAlchemy初級使用實例說明，歡迎探討轉載及引用參考，你們的回應是我的動力。
如果文中存在錯誤或是某個地方說的不夠精確，勞煩批評指出。
以上，辛苦了。
參考資料：
[1] [sogou][搜狗百科][ORM] http://baike.sogou.com/v75834.htm?fromTitle=ORM
[2] [csdn][seanb][Flask中路由使用解析] http://blog.csdn.net/seanb/article/details/51454833
[3] [flask][flask-sqlalchemy][官方文檔] http://flask-sqlalchemy.pocoo.org/2.1/
*本文為Alima原創，如果轉載請聯系筆者，轉載注明格式[轉載][博客園][Alima][關於flask-SQLAlchemy的初級使用教程]，並在文尾注明本文鏈接，多謝合作。
*非法轉載及非法抄襲博文將依照網絡著作權流程辦理，請尊重作者勞動成果