从 SqlAlchemy 表中获取所有列以对其进行过滤

Question

我为表的所有列构建默认的相等过滤器，然后仅在几列上添加/覆盖我想要的特定过滤器，如下所示：

# Table definition

class OrderTable(Base):
    __tablename__ = "orders"

    id = Column(Integer, unique=True, nullable=False, primary_key=True)
    name = Column(String, nullable=False)

# Build all default filters for this table

table_filters = {column.name: lambda value: column == value for column in OrderTable.__table__.columns}

# Add/override specific filters

all_filters = {**table_filters, "name": lambda value: OrderTable.name.like(value)}

# Execute the query

query = ...
query = query.filter(all_filters["id"](123)) 
query.delete()

但是我在使用默认过滤器时收到此警告：

SAWarning: Evaluating non-mapped column expression 'orders.id' onto ORM instances; this is a deprecated use case.  Please make use of the actual mapped columns in ORM-evaluated UPDATE / DELETE expressions.

有没有更好的方法让所有列能够在不收到此警告的情况下对其进行过滤？

我尝试了不同的方法来使用OrderTable.__mapper__.attrs和inspect(OrderTable).attrs获取表的所有列，但是过滤器不起作用。

我不习惯发帖，所以请告诉我是否可以改进我的问题，我会对其进行编辑。

Answer 1

它似乎与从表中获取列与直接使用属性有关。

当您直接使用 attibute 时，您会得到一个InstrumentedAttribute ，当您从__table__.columns中获取列时，您会得到一个Column 。

使用该Column ，您会收到该警告：

id_filter_col = OrderTable.__table__.c["id"] == 1

query = session.query(OrderTable)
query = query.filter(id_filter_col)
query.delete()  # SAWarning: Evaluating non-mapped column expression 'orders.id' onto ORM instances...

但是现在当您使用InstrumentedAttribute时：

id_filter_attr = OrderTable.id == 2

query = session.query(OrderTable)
query = query.filter(id_filter_attr)
query.delete()  # OK

您可以通过__mapper__.all_orm_descriptors从映射器访问属性，这应该可以解决您的问题。

class OrderTable(Base):
    __tablename__ = "orders"

    id = Column(Integer, unique=True, nullable=False, primary_key=True)
    name = Column(String, nullable=False)

table_filters = {column.key: lambda value: column == value for column in OrderTable.__mapper__.all_orm_descriptors}

all_filters = {**table_filters, "name": lambda value: OrderTable.name.like(value)}

query = ...
query = query.filter(all_filters["id"](123)) 
query.delete()  # OK