Dyingalive1. SQLAlchemy 非空判断的核心场景与价值
在数据库操作中，空值（NULL）处理一直是开发者必须面对的挑战。SQLAlchemy 作为 Python 生态中最流行的 ORM 工具，提供了多种处理空值的方案。不同于简单的 if value is None 判断，SQLAlchemy 的空值处理需要同时考虑 Python 层面和 SQL 层面的语义差异。
为什么需要专门讨论非空判断？因为在 SQL 标准中，NULL 具有特殊的三值逻辑（TRUE/FALSE/UNKNOWN），这直接导致 NULL = NULL 的比较结果为 UNKNOWN 而非 TRUE。这种特性使得以下常见场景变得复杂：
- 查询过滤时需要明确区分 NULL 和 非NULL
- 数据入库前需要验证必填字段
- 统计报表需要计算非空记录占比
- API 接口需要验证请求参数非空
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 查询过滤中的非空判断技巧
2.1 标准查询方法对比
SQLAlchemy 提供了两种官方推荐的 NULL 判断方式：
python复制# 方法1：传统isnot
session.query(User).filter(User.email.isnot(None))
# 方法2：PEP8风格is_not（1.4+版本推荐）
session.query(User).filter(User.email.is_not(None))
这两种方式生成的 SQL 完全相同，都会转换为 WHERE email IS NOT NULL。但为什么不应该使用 != None？
python复制# 危险的反例（不会报错但结果错误）
session.query(User).filter(User.email != None)
这是因为在 SQL 中 NULL != NULL 会返回 NULL 而非 TRUE，导致该过滤条件无法正确匹配记录。我在实际项目中曾因此导致统计报表数据异常，排查了整整半天才发现是 NULL 比较问题。
2.2 复合空值判断实战
实际业务中经常需要同时判断非 NULL 和非空字符串：
python复制from sqlalchemy import and_, or_
# 安全写法：查询有效邮箱
valid_emai