flask SQLAlchemy查询数据库最近30天,一个月,一周,12小时或之前的数据

xx

最近项目涉及需求,前端有个 最新 的按钮
就是查询数据库 最近一个月的数据 这里是使用SQLAlchemy使用的
当然我们可能经常涉及一些数据库查询最近30天,一个月,一周,12小时或者半小时
或者 一天 一周 一个月之前的的数据

** 这里主要整理下 SQLAlchemy 与原生的sql查询两种方式**

首先获取当前的日期

image

这里需要注意的是 服务器是否与当前实际时间一致

因为是基于docker部署项目 服务器获取的时间与本地时间一致。

image

**这样就可以获取当前近30条数据 **

**常用的查询整理如下(基于SQLALCHEMY) **

最近:

from datetime import datetime, timedelta
NOW = datetime.now()

最近30天数据

macroEconomyTable = Scrapy.query.filter(Scrapy.date >= NOW - timedelta(days=30)).all()

最近一周数据

macroEconomyTable = Scrapy.query.filter(Scrapy.date >= NOW - timedelta(days=7)).all()

最近1天数据

macroEconomyTable = Scrapy.query.filter(Scrapy.date >= NOW - timedelta(days=1)).all()

最近12小时

macroEconomyTable = Scrapy.query.filter(Scrapy.date >= NOW - timedelta(hours=12)).all()

最近半小时

macroEconomyTable = Scrapy.query.filter(Scrapy.date >= NOW - timedelta(seconds=30)).all()

之前:

from datetime import datetime, timedelta
NOW = datetime.now()

30天之前

macroEconomyTable = Scrapy.query.filter(Scrapy.date <= NOW - timedelta(days=30)).all()

一周之前

macroEconomyTable = Scrapy.query.filter(Scrapy.date <= NOW - timedelta(days=7)).all()

1天之前

macroEconomyTable = Scrapy.query.filter(Scrapy.date <= NOW - timedelta(days=1)).all()

12小时之前

macroEconomyTable = Scrapy.query.filter(Scrapy.date <= NOW - timedelta(hours=12)).all()

半小时之前

macroEconomyTable = Scrapy.query.filter(Scrapy.date <= NOW - timedelta(seconds=30)).all()

下面是整理的一些基于原生的sql 关于日期的查询

# 近七天macroEconomyTable = "SELECT * FROM scrapy_info where DATE_SUB(CURDATE(), INTERVAL 7 DAY) <= date(add_time)" # 近30天macroEconomyTable = "SELECT * FROM scrapy_info where DATE_SUB(CURDATE(), INTERVAL 30 DAY) <= date(add_time)" # 今天macroEconomyTable = "select * from scrapy_info where to_days(add_time) = to_days(now())"# 本周macroEconomyTable = "SELECT * FROM scrapy_info WHERE YEARWEEK(date_format(add_time,'%Y-%m-%d')) = YEARWEEK(now())" # 本月macroEconomyTable = "SELECT * FROM scrapy_info WHERE DATE_FORMAT(add_time, '%Y%m' ) = DATE_FORMAT( CURDATE( ) , '%Y%m' )"  

这些基本就够使用了 具体的根据情况而定 主要是掌握规则就可以了

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,921评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,635评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,393评论 0 338
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,836评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,833评论 5 368
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,685评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,043评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,694评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 42,671评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,670评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,779评论 1 332
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,424评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,027评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,984评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,214评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,108评论 2 351
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,517评论 2 343

推荐阅读更多精彩内容