Kino-convert ang JSON sa isang SQLAlchemy 2.0 declarative model na handa nang patakbuhin: isang Base(DeclarativeBase) class, mga Mapped[...] type hint kasama ang mapped_column(), mga nullable flag, __tablename__ at isang Integer na primary key.
Magandang panimula ito kapag kailangang i-store ng isang FastAPI o Flask backend ang request JSON, o data na na-download mula sa ibang system, sa isang table na wala pang model.
nullable=True.Pangalan ng model (default MyModel); ang __tablename__ ay ang pangalang iyon sa upper snake case.models.py. Kung may Base na ang project mo, burahin ang na-generate at i-import ang sa iyo, para iisang metadata ang gamit ng lahat ng model.{
"isbn": "978-0-13-468599-1",
"title": "The Pragmatic Programmer",
"pages": 352,
"rating": 4.7,
"available": true,
"published_at": "2019-09-13"
}from datetime import date
from sqlalchemy import Boolean, Date, Float, Integer, String
from sqlalchemy.orm import DeclarativeBase, Mapped, mapped_column
class Base(DeclarativeBase):
pass
class Book(Base):
__tablename__ = "BOOK"
id: Mapped[int] = mapped_column(Integer, primary_key=True)
isbn: Mapped[str] = mapped_column(String(255), nullable=False)
title: Mapped[str] = mapped_column(String(255), nullable=False)
pages: Mapped[int] = mapped_column(Integer, nullable=False)
rating: Mapped[float] = mapped_column(Float, nullable=False)
available: Mapped[bool] = mapped_column(Boolean, nullable=False)
published_at: Mapped[date] = mapped_column(Date, nullable=False)Nananatiling String(255) ang isbn na may hyphen, nagiging Integer ang pages, Float ang rating, at ang published_at, na petsang walang oras, ay Date na may hint na date. Nandoon ang bawat value, kaya nullable=False ang lahat ng column.
class Base(DeclarativeBase): pass at ini-import lang ang mga SQLAlchemy type at datetime name na talagang ginagamit.Integer/int (BigInteger para sa malalaking value), decimal → Float, boolean → Boolean, YYYY-MM-DD → Date/date, date-time → DateTime/datetime, object at array → JSON na may dict/list.String(255) ang mga string, o Text kapag may sample value na lampas sa 255 character, para magawa rin ang table sa MySQL.publishedAt, home-url), ipinapasa ang orihinal na key bilang column name: mapped_column("publishedAt", ...). Nilalagyan ng _ sa dulo ang mga Python keyword at ang metadata.Mapped[str | None] ang mga nullable na column bukod sa nullable=True.Integer ang primary key, na nag-a-autoincrement din sa SQLite; nagiging String(255) na key ang string na id sa JSON mo, at gumagamit ng BigInteger().with_variant(Integer, "sqlite") ang malaking integer na id.Kung may sample request JSON ka na para sa isang Pydantic schema, i-generate ang SQLAlchemy model mula sa parehong JSON at isulat agad ang daloy na session.add(Book(**payload)).
Kapag naka-register na ang model sa Base.metadata, gumagawa ang alembic revision --autogenerate ng create_table na migration mula sa class na ito.
str | None. Sa mga mas lumang bersyon, isulat ang Optional[str] gamit ang from typing import Optional.__tablename__ (BOOK). Dahil dito, kailangan itong i-quote ng PostgreSQL sa raw SQL, kaya pinapalitan ito ng maraming project ng books.db.Model sa halip na sa na-generate na Base.Float; gamitin ang Numeric(10, 2) kasama ang Decimal para sa mga presyo.Integer at hindi BigInteger ang gamit ng id?Sa SQLite, nag-a-autoincrement lang ang column na eksaktong naka-declare bilang INTEGER PRIMARY KEY, kaya sa Integer, pareho ang behavior ng local test at production. Kapag may mga id na lampas sa 32 bits na ang data mo, saka lang lumilipat ang key sa BigInteger na may SQLite variant.
__table_args__)?Wala. Napupunta ang table sa default schema ng connection. Para mag-target ng ibang PostgreSQL schema, ikaw na ang magdagdag ng __table_args__ = {"schema": "billing"}.
Column() syntax ng SQLAlchemy 1.4?2.0 style lang ang output (Mapped, mapped_column, DeclarativeBase). Para sa 1.4, gamitin ang declarative_base() at isulat ulit ang bawat linya bilang title = Column(String(255), nullable=False).