使用 datamodel-code-generator 从 MySQL 生成 Python 模型

简介

datamodel-code-generator 是一个强大的工具，可以从多种数据源（包括 MySQL）自动生成 Python 数据模型。本文将详细介绍如何使用它从 MySQL 数据库生成 Pydantic 模型。

安装必要组件

首先需要安装相关的 Python 包：

# 安装主要工具
pip install datamodel-code-generator# 安装 MySQL 支持
pip install sqlalchemy
pip install pymysql

使用方法

1. 从数据库直接生成

最基本的用法是直接从数据库连接生成：

datamodel-codegen \--db-url="mysql+pymysql://username:password@localhost:3306/database_name" \--output models.py

2. 从 SQL 文件生成

如果您有数据库的 SQL 文件，也可以直接从 SQL 文件生成：

datamodel-codegen \--input your_schema.sql \--input-file-type sql \--output models.py

常用参数说明

基本参数

• --output: 输出文件路径
• --input: 输入文件（使用 SQL 文件时）
• --input-file-type: 输入文件类型
• --db-url: 数据库连接字符串

高级参数

• --target-python-version: 指定目标 Python 版本

  datamodel-codegen --db-url="..." --output models.py --target-python-version 3.9
  

• --use-schema: 使用数据库 schema

  datamodel-codegen --db-url="..." --output models.py --use-schema
  

• --snake-case-field: 将字段名转换为蛇形命名

  datamodel-codegen --db-url="..." --output models.py --snake-case-field
  

生成代码示例

假设有以下 MySQL 表结构：

CREATE TABLE users (id INT PRIMARY KEY AUTO_INCREMENT,username VARCHAR(50) NOT NULL,email VARCHAR(100),created_at DATETIME DEFAULT CURRENT_TIMESTAMP
);

生成的 Python 代码将类似于：

python:models.py">from datetime import datetime
from typing import Optional
from pydantic import BaseModelclass User(BaseModel):id: intusername: stremail: Optional[str] = Nonecreated_at: datetimeclass Config:orm_mode = True

类型映射

MySQL 到 Python 的主要类型映射关系：

MySQL 类型	Python 类型
INT	int
VARCHAR	str
TEXT	str
DATETIME	datetime
BOOLEAN	bool
DECIMAL	Decimal
JSON	dict

最佳实践

1. 错误处理

   • 始终检查生成的代码是否符合预期
   • 注意处理可能的类型转换问题

2. 自定义模板
   如果需要自定义生成的代码格式：

   datamodel-codegen --db-url="..." --output models.py --custom-template path/to/template.j2
   

3. 字段验证
   可以添加额外的验证规则：

   python">from pydantic import BaseModel, EmailStrclass User(BaseModel):email: Optional[EmailStr] = None
   

常见问题解决

1. 连接问题

   • 确保数据库用户有足够权限
   • 检查网络连接和防火墙设置

2. 类型转换问题

   • 某些特殊类型可能需要手动调整
   • 考虑使用自定义类型映射

是的，默认情况下 datamodel-codegen 会将所有表的模型都写入同一个文件。如果您想要将不同的表分别生成到不同的文件，有以下几种解决方案：

pythonversion_37_classname_py__144">1. 使用 --target-python-version 3.7 --class-name "*.py" 参数

datamodel-codegen \--db-url="mysql+pymysql://username:password@localhost:3306/database_name" \--output ./models \--target-python-version 3.7 \--class-name "*.py"

这样会在 models 目录下为每个表生成单独的文件。

2. 使用 --custom-file-mapping 参数

创建一个 JSON 文件来定义映射关系（例如 mapping.json）：

{"user.py": {"tables": ["users", "user_profiles"]},"product.py": {"tables": ["products", "categories"]}
}

然后使用这个映射文件：

datamodel-codegen \--db-url="mysql+pymysql://username:password@localhost:3306/database_name" \--output ./models \--custom-file-mapping mapping.json

3. 手动分割生成的文件

如果表不多，也可以先生成到一个文件，然后手动分割到不同的文件中。

推荐的项目结构

models/
├── __init__.py
├── user.py
├── product.py
├── order.py
└── common.py

在 __init__.py 中导入所有模型：

python:models/__init__.py">from .user import User, UserProfile
from .product import Product, Category
from .order import Order

这样的结构更清晰，也更容易维护。每个文件包含相关的模型：

python:models/user.py">from datetime import datetime
from typing import Optional
from pydantic import BaseModelclass User(BaseModel):id: intusername: str# ...class UserProfile(BaseModel):user_id: int# ...

python:models/product.py">from typing import Optional
from pydantic import BaseModelclass Product(BaseModel):id: intname: str# ...class Category(BaseModel):id: intname: str# ...

注意事项

1. 使用分割文件时要注意处理模型之间的依赖关系
2. 确保 __init__.py 中正确导入了所有需要的模型
3. 如果使用自定义映射，要确保所有表都被包含在内
4. 考虑按业务领域或功能模块来组织文件结构

这样的组织方式会让代码更容易维护和理解。

总结

datamodel-code-generator 是一个非常实用的工具，可以大大提高开发效率。通过合理使用其提供的参数和选项，可以生成更符合项目需求的数据模型代码。

参考资料

• datamodel-code-generator 官方文档
• Pydantic 文档
• SQLAlchemy 文档