wborm 0.2.0

ORM leve com introspecção automática para bancos JDBC como Informix, usando integração com wbjdbc.

WBORM

WBORM é uma biblioteca ORM leve para Python, projetada para funcionar diretamente com bancos de dados legados via JDBC, como Informix, DB2, Oracle e outros. Com foco em transparência, segurança e introspecção automática, ela é a parceira ideal da wbjdbc, entregando produtividade sem esconder o SQL.

---

✨ Destaques

• Suporte completo a conexões JDBC via wbjdbc
• Geração automática de modelos com introspecção
• API fluente com .select(), .filter(), .join() e mais
• Pivot e visualização tabular com bordas coloridas
• Criação de tabelas temporárias com .create_temp_table()
• Confirmação obrigatória em operações destrutivas
• Bloqueio de UPDATE/DELETE sem WHERE
• Transações automáticas com rollback
• Cache de resultados com TTL e bypass com .live()
• Integração com Pandas e Spark
• Hooks como before_add() e after_update()
• Criptografia e cache de modelos com model_cache
• Stub .pyi automático para autocomplete

---

📁 Instalação

pip install wborm wbjdbc

---

🚀 Começando Rápido

1. Conectando via wbjdbc

from wbjdbc import connect_to_db

conn = connect_to_db(
    db_type="informix-sqli",
    host="localhost",
    port=1526,
    database="meubanco",
    user="usuario",
    password="senha",
    server="ol_informix"
)

2. Gerando modelos

from wborm.utils import generate_model, generate_all_models

# Modelo único:
generate_model("clientes", conn)

# Todos os modelos:
generate_all_models(conn)

Os modelos são injetados automaticamente no escopo global com o nome da tabela, ex: clientes.

3. Consultando dados

clientes.select("nome").filter("idade > 30").order_by("nome").limit(5).show()

---

🛠️ Definindo modelos manualmente (opcional)

from wborm.core import Model
from wborm.fields import Field

class Cliente(Model):
    __tablename__ = "clientes"
    id = Field(int, primary_key=True)
    nome = Field(str)
    idade = Field(int)

Cliente._connection = conn

Ideal para customizações, uso com .create_table() ou definir campos antes da criação no banco.

---

🔒 Segurança embutida

• .add(), .update() e .delete() exigem confirm=True
• Bloqueio automático de UPDATE ou DELETE sem cláusula WHERE
• Transações protegidas com BEGIN WORK / COMMIT / ROLLBACK

---

📊 Integração com Pandas e Spark

import pandas as pd

clientes = clientes.all()
df = pd.DataFrame([c.to_dict() for c in clientes])

spark.createDataFrame([c.to_dict() for c in clientes.all()])

---

📦 Cache e performance

• Consultas são cacheadas automaticamente (TTL = 60s por padrão)
• Use .live() para forçar leitura ao vivo:

clientes.live().filter(ativo=True).all()

---

📌 Cores no terminal

Logs (via termcolor)

• ✅ Verde: inserções (add, bulk_add)
• 🟡 Amarelo: atualizações (update)
• ❌ Vermelho: erros ou exclusões (delete)
• 🔵 Azul / 🔷 Ciano: mensagens informativas e tabelas de cache

Tabelas renderizadas com show() ou pivot()

• Modelos criados dinamicamente: bordas verdes
• Modelos carregados via cache: bordas azuis

---

📖 Documentação completa

Acesse: https://wanderbatistaf.github.io/wborm

Inclui:

• Guia de Início Rápido
• QuerySet com todos os métodos
• Pivot e tabelas temporárias
• Introspecção de chaves estrangeiras
• Cache de modelos e autocomplete

---

📜 Licença

Este projeto é licenciado sob a Licença MIT. Consulte o arquivo LICENSE para mais informações.

---

🤝 Contribuindo

Pull requests são bem-vindos! Envie sugestões ou melhorias diretamente no repositório do GitHub.