Storm或SQLAlchemy ORM是否支持从现有数据库创建模式？

Question

在讨论Storm这个Python的ORM（对象关系映射工具）时，我想自动生成一个MySQL数据库的结构。它的主页上说：

“Storm与现有的数据库结构配合得很好。”（ https://storm.canonical.com/FrontPage），

所以我希望能不需要手动创建模型类。不过，‘入门’教程（ https://storm.canonical.com/Tutorial）建议说，每个表都需要手动创建一个像下面这样的类，并且每个字段也得手动指定：

class Person(object):
  __storm_table__ = "person"
  id = Int(primary=True)
  name = Unicode()

另外，SQLAlchemy似乎也不支持反向工程的功能，但它需要像这样的结构：

user = Table('user', metadata,
  Column('user_id', Integer, primary_key = True),
  Column('user_name', String(16), nullable = False),
  Column('email_address', String(60)),
  Column('password', String(20), nullable = False)
)

当然，这些类和结构是有道理的，因为每个表可能代表某种“感兴趣的对象”，而且可以在这些类上扩展各种功能。不过，创建这些类的过程很繁琐，而且当数据库已经存在时，它们的（初始）内容其实是很简单的。

有一个ORM允许进行反向工程，链接是：

http://docs.doctrine-project.org/en/2.0.x/reference/tools.html

有没有类似的反向工程工具可以用于Storm、SQLAlchemy，或者其他Python的ORM，或者Python数据库的“美化工具”？

Answer 1

我不太清楚Storm是怎么处理这个过程的，但你可以用sqlalchemy来反映数据库中的表。比如，下面是一个我现在能访问的SQL Server实例的基本示例。

整个数据库

>>> from sqlalchemy import create_engine, MetaData
>>> engine = create_engine('mssql+pyodbc://<username>:<password>@<host>/<database>')  # replace <username> with user name etc.
>>> meta = MetaData()
>>> meta.reflect(bind=engine)
>>> funds_table = meta.tables['funds']  # tables are stored in meta.tables dict
>>> funds_table  # now stores database schema object
Table(u'funds', MetaData(bind=None), Column(u'fund_token', INTEGER(), table=<funds>, primary_key=True, nullable=False), Column(u'award_year_token', INTEGER(), ForeignKey(u'award_year_defn.award_year_token'), table=<funds>, nullable=False), ... Column(u'fin_aid_disclosure_category', VARCHAR(length=3, collation=u'SQL_Latin1_General_CP1_CI_AS'), table=<funds>), Column(u'report_as_additional_unsub', BIT(), table=<funds>, server_default=DefaultClause(<sqlalchemy.sql.expression.TextClause object at 0x000000000545B6D8>, for_update=False)), schema=None)

如果你只想一次反映一个表，可以用下面的代码。

一次一个表（速度更快）

>>> from sqlalchemy import Table, create_engine, MetaData
>>> engine = create_engine('mssql+pyodbc://<username>:<password>@<host>/<database>')
>>> meta = MetaData()
>>> funds_table = Table('funds', meta, autoload=True, autoload_with=engine)  # indicate table name (here 'funds') with a string passed to Table as the first argument
>>> funds_table  # now stores database schema object
Table(u'funds', MetaData(bind=None), Column(u'fund_token', INTEGER(), table=<funds>, primary_key=True, nullable=False), Column(u'award_year_token', INTEGER(), ForeignKey(u'award_year_defn.award_year_token'), table=<funds>, nullable=False), ... Column(u'fin_aid_disclosure_category', VARCHAR(length=3, collation=u'SQL_Latin1_General_CP1_CI_AS'), table=<funds>), Column(u'report_as_additional_unsub', BIT(), table=<funds>, server_default=DefaultClause(<sqlalchemy.sql.expression.TextClause object at 0x000000000545B6D8>, for_update=False)), schema=None)

你可能能想象到，这样你就可以保存相关表的数据，以便将来更快地访问这些表。