要执行范围查询或模糊查询，可使用 SQLAlchemy 提供的运算符和函数来构建更复杂的过滤条件。下面是一些示例：
1. **范围查询（Range Query）**：可以使用 `between` 运算符来查询某个范围内的记录。
from sqlalchemy import between# 查询年龄在 25 到 35 之间的记录
records = session.query(MyTable).filter(MyTable.age.between(25, 35)).all()
2. **模糊查询（Like Query）**：可以使用 `like` 函数进行模糊查询，使用 `%` 表示通配符。
from sqlalchemy import like# 查询姓名以 'J' 开头的记录
records = session.query(MyTable).filter(MyTable.name.like('J%')).all()# 查询姓名包含 'oh' 的记录
records = session.query(MyTable).filter(MyTable.name.like('%oh%')).all()
3. **逻辑运算符（Logical Operators）**：可以使用 `and_`、`or_` 和 `not_` 运算符组合多个过滤条件。
from sqlalchemy import and_, or_# 查询年龄为 30 并且姓名以 'J' 开头的记录
records = session.query(MyTable).filter(and_(MyTable.age == 30, MyTable.name.like('J%'))).all()# 查询年龄为 25 或者 30 的记录
records = session.query(MyTable).filter(or_(MyTable.age == 25, MyTable.age == 30)).all()
from sqlalchemy import and_, or_, not_# 查询年龄在 25 到 35 之间，并且姓名以 'J' 开头，但排除姓为 'John' 的记录
records = session.query(MyTable).filter(and_(MyTable.age.between(25, 35), MyTable.name.like('J%'), not_(MyTable.name == 'John'))).all()
-----------
在使用SQLAlchemy时，`filter_by`和`filter`是两种常用的方法，用于对查询结果进行过滤。它们之间有一些区别：
1. **filter_by**：
- `filter_by`方法用于基于指定的关键字参数进行过滤。
- 它可以更简洁地指定过滤条件，但是无法处理复杂的条件。
- 通常用于在简单情况下进行过滤，例如对某个特定列进行等值匹配。
- 返回的结果是基于指定条件过滤后的查询对象。
# 示例：使用 filter_by 进行等值匹配
record = session.query(MyTable).filter_by(name='John').first()
2. **filter**：
- `filter`方法则更加灵活，可以处理更复杂的条件，包括使用运算符、函数和组合条件。
- 可以通过`and_`、`or_`和其他逻辑运算符结合多个条件进行查询。
- 对于复杂的查询需求，通常更适合使用`filter`方法。
- 返回的结果也是基于指定条件过滤后的查询对象。
# 示例：使用 filter 进行复杂条件查询
records = session.query(MyTable).filter(and_(MyTable.age >= 25, MyTable.age <= 35)).all()
总的来说，`filter_by`适用于简单的等值匹配，而`filter`则更适用于复杂的条件查询。根据具体的情况选择使用哪种方法。
----------
使用SQLAlchemy库进行数据库操作的基本流程通常包括以下步骤：
- 创建引擎（Create Engine）：首先，创建一个数据库引擎，该引擎将负责与数据库进行通信和交互。引擎可以通过
create_engine()函数创建，并指定数据库的连接信息，如数据库类型（SQLite、MySQL、PostgreSQL等）和连接字符串。
from sqlalchemy import create_engineengine = create_engine('sqlite:///example.db') # 创建SQLite数据库引擎
- 创建会话（Create Session）：然后，创建一个会话，会话负责管理数据库连接和事务。可以使用
sessionmaker()函数创建会话类，并绑定到先前创建的引擎上。
from sqlalchemy.orm import sessionmakerSession = sessionmaker(bind=engine) # 创建一个会话类
session = Session() # 创建一个会话实例
- 定义映射类（Define Mapping Classes）：接下来，定义映射类，这些类将数据库中的表映射到Python对象。通常，每个表都对应一个映射类，并使用
declarative_base()函数创建基类。
from sqlalchemy.orm import declarative_base
from sqlalchemy import Column, Integer, StringBase = declarative_base()class MyTable(Base):__tablename__ = 'my_table'id = Column(Integer, primary_key=True)name = Column(String)age = Column(Integer)
- 执行数据库操作（Perform Database Operations）：使用会话执行各种数据库操作，如添加、查询、更新和删除记录等。
# 添加记录
new_record = MyTable(name='John', age=30)
session.add(new_record)
session.commit() # 提交事务# 查询记录
records = session.query(MyTable).filter_by(age=30).all()for record in records:print(record.name, record.age)# 更新记录
record_to_update = session.query(MyTable).filter_by(name='John').first()
record_to_update.age = 35
session.commit() # 提交事务# 删除记录
record_to_delete = session.query(MyTable).filter_by(name='John').first()
session.delete(record_to_delete)
session.commit() # 提交事务
- 关闭会话（Close Session）：最后，结束数据库操作时关闭会话，释放资源。
session.close()
这些是使用SQLAlchemy进行数据库操作的基本步骤。
--------------------
func 是 SQLAlchemy 提供的一个模块，用于在查询中使用 SQL 函数。它允许你在查询中使用各种 SQL 函数，如 COUNT()、SUM()、MAX()、MIN() 等，以及数据库特定的函数，如 UPPER()（将字符串转换为大写）、LOWER()（将字符串转换为小写）等。
这个模块的使用通常是在查询的过程中，可在查询语句中使用 func 来调用各种函数，从而在数据库层面执行相应的操作。
以下是一个简单的示例，演示如何在查询中使用 func：
from sqlalchemy import create_engine, func
from sqlalchemy.orm import sessionmaker
from sqlalchemy.ext.declarative import declarative_base
from sqlalchemy import Column, Integer, String# 创建数据库引擎
engine = create_engine('sqlite:///example.db')# 创建一个基类
Base = declarative_base()# 定义ORM映射类
class User(Base):__tablename__ = 'users'id = Column(Integer, primary_key=True)name = Column(String)age = Column(Integer)# 创建一个Session类工厂函数
Session = sessionmaker(bind=engine)# 使用Session类创建一个数据库会话
session = Session()# 查询用户表中的记录数量
user_count = session.query(func.count(User.id)).scalar()
print("Total users:", user_count)# 查询用户表中年龄的平均值
average_age = session.query(func.avg(User.age)).scalar()
print("Average age of users:", average_age)# 查询用户表中年龄的最大值
max_age = session.query(func.max(User.age)).scalar()
print("Maximum age of users:", max_age)# 现在可以使用session来执行数据库操作
在上面的示例中，我们使用了 func.count()、func.avg() 和 func.max() 来分别计算用户记录的数量、年龄的平均值和最大年龄。
