SQL 转 SQLAlchemy：使用 extract 和 func.to_char

使用 extract 函数拆分年月

在原生 SQL 中，我们常使用 to_char(date_published, 'yyyymm') 将日期格式化为字符串以进行分组。在 SQLAlchemy 中，推荐使用标准的 extract() 函数分别提取年份和月份，然后组合成整型键值，这样兼容性更好且计算效率更高。

第1步：提取年和月字段

通过 db.func.extract(field_type, column) 获取日期的年份和月份数值。

year_field = db.func.extract('year', ArticleModel.date_published)
month_field = db.func.extract('month', ArticleModel.date_published)

第2步：组合为年月标识符

将年份乘以 100 加上月份，生成类似 202305 的唯一标识符，便于后续排序和显示。

yonth_field = year_field * 100 + month_field

第3步：执行查询并分组

使用 .label() 命名字段，配合 group_by 进行聚合统计。注意在老版本 SQLAlchemy 中可能需要对 label 名称进行显式分组，新版本通常支持直接使用表达式分组。

result = db.session.query(
    yonth_field.label('yonth'),
    db.func.count(1)
).group_by(yonth_field).all()

生成的 SQL 逻辑大致如下：

SELECT EXTRACT(year FROM ...)*100 + EXTRACT(month FROM ...) AS yonth,
       count(*) AS count_1 
FROM article_meta 
JOIN article ON ... 
GROUP BY yonth

使用 func 直接调用数据库函数

如果希望保持与原生 SQL 完全一致的字符串格式化行为，可以直接利用 SQLAlchemy 的 func 对象调用后端支持的自定义函数。例如在 PostgreSQL 数据库中直接使用 to_char。

操作步骤

构建查询时，将业务模型字段传入对应的 func 函数中，并设置 label。这种方式简单直接，但依赖于具体数据库方言的支持。

yonth = db.func.to_char(ArticleModel.date_published, 'yyyymm').label('yonth')

archive_list = db.session.query(
    yonth,
    db.func.count(1)
).group_by(yonth).all()

此方法生成的 SQL 会原样保留 TO_CHAR 调用，适用于需要精确控制输出格式的场景。

总结

将 SQL 转换为 SQLAlchemy 语句的核心在于理解 ORM 如何映射数据库函数。extract()`提供了跨数据库的通用解决方案，而 func`则允许灵活调用任意数据库内置函数。根据实际需求选择合适的方式，可以编写出既高效又易读的查询代码。

以上就是SQL转SQLAlchemy转换的小例子的详细内容，更多关于SQLAlchemy操作技巧的资料请关注本站其它相关文章！