python records操作数据库
records
简单了解：
records：SQL for Humans™ https://pypi.python.org/pypi/records/
Records 是一个非常简单但功能强大的库，用于对大多数关系数据库进行原始SQL查询。
只需编写SQL。没有钟声，没有哨声。使用可用的标准工具，这一常见任务可能会令人惊讶地困难。该库努力使此工作流程尽可能简单，同时提供一个优雅的界面来处理您的查询结果。
数据库支持包括RedShift，Postgres，MySQL，SQLite，Oracle和MS-SQL（不包括驱动程序）。
安装：pip install records
使用：
调用 records.Database(......)连接数据库，返回<Database open=True>数据库对象<Database open=True>对象执行 sql 语句，详细见下。
1、连接数据库：
import records
# 连接数据库
db = records.Database('mysql://root:xuyang@localhost:3306/ceshi?charset=utf8mb4', pool_recycle=3600) # MySQL默认连接8小时后自动断连，加参数pool_recycle每一小时重连 A Database. Encapsulates a url and an SQLAlchemy engine with a pool of connections.
print(db) # <Database open=True> 对象
# --------------------------
print(db.get_table_names()) # Returns a list of table names for the connected database.
print(db.get_connection) # Get a connection to this Database. Connections are retrieved from a pool.
2、删除表
table_name = 'userinfo' # 数据表的表名
drop_table_sql = """drop table if exists {};""".format(table_name)
db.query(drop_table_sql)
3、创建表
create_table_sql = """create table if not exists {} (
name varchar(20),
age int
) default charset=utf8;""".format(table_name)
db.query(create_table_sql)
4、插入数据
- 插入单条
# records 支持使用 :variable 定义变量，通过参数传入完成动态传值，在需要动态加载数据的时候非常有用：
user = {"name": "user0", "age": 20}
db.query('insert into userinfo(name, age) values(:name, :age)', **user)
- 插入多条
# records 提供的 bulk_query 方法能快捷的插入和更新多条数据：
users = [
{"name":"user1", "age": 21},
{"name":"user2", "age": 22},
{"name":"user3", "age": 23}
]
db.bulk_query('insert into userinfo(name, age) values(:name, :age)', users)
5、查询数据
rows = db.query('select * from userinfo;')
# print(rows) # <RecordCollection size=0 pending=True>
# print(rows.all()) # 默认是自己封装的 RecordCollection 对象：[<Record {"name": "user0", "age": 20}>, <Record {"name": "user1", "age": 21}>, <Record {"name": "user2", "age": 22}>, <Record {"name": "user3", "age": 23}>]
# print(rows.all(as_dict=True)) # 可以通过 as_dict=True 参数转成 字典形式：[{'name': 'user0', 'age': 20}, {'name': 'user1', 'age': 21}, {'name': 'user2', 'age': 22}, {'name': 'user3', 'age': 23}]
# print(rows.all(as_ordereddict=True)) # 通过 as_ordereddict=True 转成 排序字典形式：[OrderedDict([('name', 'user0'), ('age', 20)]), OrderedDict([('name', 'user1'), ('age', 21)]), OrderedDict([('name', 'user2'), ('age', 22)]), OrderedDict([('name', 'user3'), ('age', 23)])]
# print(rows.first()) # <Record {"name": "user0", "age": 20}>
# print(rows.first(as_dict=True)) # {'name': 'user0', 'age': 20}
# print(rows.first(as_ordereddict=True)) # OrderedDict([('name', 'user0'), ('age', 20)])
# # print(rows.one()) # 查询唯一的一个。我自己这里报错
userinfo_dict = rows.as_dict() # 转换成 字典
print(userinfo_dict[0]['age']) # 20
# 可 遍历 rows
for row in rows:
print(row.name)
6、数据导出为 json
print(rows.export('json'))
json_rows = rows.export('yaml')
print(json_rows)
# ------------------------------
with open('userinfo.json', 'w') as fp:
fp.write(rows.export('json'))
输出如下：
[{"name": "user0", "age": 20}, {"name": "user1", "age": 21}, {"name": "user2", "age": 22}, {"name": "user3", "age": 23}]
- {age: 20, name: user0}
- {age: 21, name: user1}
- {age: 22, name: user2}
- {age: 23, name: user3}
7、数据导出到 Excel 文件
with open('userinfo.xlsx', 'wb') as f:
f.write(rows.export('xlsx'))
8、转为表格形式
print(rows.dataset)
输出如下：
name |age
-----|---
user0|20
user1|21
user2|22
user3|23
