AI 助理
备案控制台
开发者社区 数据库 文章 正文

Python中使用pymysql和pymssql进行数据库操作的完整指南

2024-03-14 1778
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
本文涉及的产品
云数据库 RDS MySQL，集群系列 2核4GB
推荐场景：
搭建个人博客
RDS MySQL Serverless 基础系列，0.5-2RCU 50GB
推荐场景：
学生管理系统数据库设计 搭建个人博客
RDS SQL Server Serverless，2-4RCU 50GB 3个月
推荐场景：
简介： Python中使用pymysql和pymssql进行数据库操作的完整指南

1. 安装依赖库

在开始之前，首先需要安装pymysql和pymssql库。你可以使用以下命令进行安装：

pip install pymysql
pip install pymssql

2. 连接MySQL数据库

import pymysql

# 建立数据库连接
connection = pymysql.connect(
    host='your_mysql_host',
    user='your_username',
    password='your_password',
    database='your_database',
    port=3306
)

# 创建游标对象
cursor = connection.cursor()

# 执行SQL查询
cursor.execute("SELECT * FROM your_table")

# 获取查询结果
result = cursor.fetchall()

# 打印结果
for row in result:
    print(row)

# 关闭游标和连接
cursor.close()
connection.close()

3. 连接SQL Server数据库

import pymssql

# 建立数据库连接
connection = pymssql.connect(
    host='your_sql_server_host',
    user='your_username',
    password='your_password',
    database='your_database'
)

# 创建游标对象
cursor = connection.cursor()

# 执行SQL查询
cursor.execute("SELECT * FROM your_table")

# 获取查询结果
result = cursor.fetchall()

# 打印结果
for row in result:
    print(row)

# 关闭游标和连接
cursor.close()
connection.close()

4. 实战：插入数据

下面是一个简单的示例，演示如何插入数据到MySQL数据库：

import pymysql

# 建立数据库连接
connection = pymysql.connect(
    host='your_mysql_host',
    user='your_username',
    password='your_password',
    database='your_database',
    port=3306
)

# 创建游标对象
cursor = connection.cursor()

# 插入数据
insert_query = "INSERT INTO your_table (column1, column2) VALUES (%s, %s)"
data_to_insert = ('value1', 'value2')
cursor.execute(insert_query, data_to_insert)

# 提交事务
connection.commit()

# 关闭游标和连接
cursor.close()
connection.close()

5. 实战：更新数据

以下是一个演示如何使用pymssql更新SQL Server数据库中的数据的示例：

import pymssql

# 建立数据库连接
connection = pymssql.connect(
    host='your_sql_server_host',
    user='your_username',
    password='your_password',
    database='your_database'
)

# 创建游标对象
cursor = connection.cursor()

# 更新数据
update_query = "UPDATE your_table SET column1 = %s WHERE column2 = %s"
data_to_update = ('new_value', 'condition_value')
cursor.execute(update_query, data_to_update)

# 提交事务
connection.commit()

# 关闭游标和连接
cursor.close()
connection.close()

通过这些简单的代码示例，你可以开始在Python中使用pymysql和pymssql库执行基本的数据库操作。根据实际需求，你可以进一步学习高级用法和优化技巧。

6. 实战：查询数据并处理结果

使用pymysql和pymssql进行查询并处理结果也是常见的操作，以下是一个示例：

import pymysql

# 建立数据库连接
connection = pymysql.connect(
    host='your_mysql_host',
    user='your_username',
    password='your_password',
    database='your_database',
    port=3306
)

# 创建游标对象
cursor = connection.cursor()

# 查询数据
select_query = "SELECT * FROM your_table WHERE column1 = %s"
condition_value = 'desired_value'
cursor.execute(select_query, (condition_value,))

# 获取查询结果
result = cursor.fetchall()

# 处理结果
for row in result:
    print(row)

# 关闭游标和连接
cursor.close()
connection.close()

7. 实战：异常处理

在实际应用中，异常处理是至关重要的。以下是一个简单的异常处理的示例：

import pymysql

try:
    # 建立数据库连接
    connection = pymysql.connect(
        host='your_mysql_host',
        user='your_username',
        password='your_password',
        database='your_database',
        port=3306
    )

    # 创建游标对象
    cursor = connection.cursor()

    # 执行SQL查询
    cursor.execute("SELECT * FROM your_table")

    # 获取查询结果
    result = cursor.fetchall()

    # 打印结果
    for row in result:
        print(row)

except pymysql.Error as e:
    print(f"Error: {e}")

finally:
    # 关闭游标和连接
    cursor.close()
    connection.close()

9. 实战：使用参数化查询

参数化查询是防止SQL注入攻击的一种重要方法。以下是一个使用参数化查询的实例：

import pymysql

# 建立数据库连接
connection = pymysql.connect(
    host='your_mysql_host',
    user='your_username',
    password='your_password',
    database='your_database',
    port=3306
)

# 创建游标对象
cursor = connection.cursor()

# 参数化查询
parametrized_query = "SELECT * FROM your_table WHERE column1 = %s AND column2 = %s"
query_params = ('value1', 'value2')
cursor.execute(parametrized_query, query_params)

# 获取查询结果
result = cursor.fetchall()

# 处理结果
for row in result:
    print(row)

# 关闭游标和连接
cursor.close()
connection.close()

10. 实战：使用上下文管理器

使用上下文管理器可以确保在操作完成后及时关闭数据库连接，以下是一个使用with语句的实例：

import pymysql

# 使用上下文管理器确保在操作完成后关闭数据库连接
with pymysql.connect(
    host='your_mysql_host',
    user='your_username',
    password='your_password',
    database='your_database',
    port=3306
) as connection:
    # 创建游标对象
    with connection.cursor() as cursor:
        # 执行SQL查询
        cursor.execute("SELECT * FROM your_table")

        # 获取查询结果
        result = cursor.fetchall()

        # 处理结果
        for row in result:
            print(row)

11. 实战：批量插入数据

如果需要插入大量数据，最好使用批量插入以提高性能。以下是一个简单的批量插入示例：

import pymysql

# 建立数据库连接
connection = pymysql.connect(
    host='your_mysql_host',
    user='your_username',
    password='your_password',
    database='your_database',
    port=3306
)

# 创建游标对象
cursor = connection.cursor()

# 批量插入数据
insert_query = "INSERT INTO your_table (column1, column2) VALUES (%s, %s)"
data_to_insert = [('value1', 'value2'), ('value3', 'value4'), ('value5', 'value6')]
cursor.executemany(insert_query, data_to_insert)

# 提交事务
connection.commit()

# 关闭游标和连接
cursor.close()
connection.close()

通过这些实战示例，你可以更深入地了解如何在Python中使用pymysql和pymssql库进行数据库操作，包括使用参数化查询、上下文管理器以及批量插入等高级用法。这些技术将帮助你更有效地处理数据库交互，并确保代码的性能和安全性。

12. 实战：使用ORM框架

除了直接使用数据库连接库，你还可以考虑使用ORM（对象关系映射）框架来简化数据库操作。这里以SQLAlchemy为例进行示范：

首先，确保已经安装SQLAlchemy：

pip install sqlalchemy

然后，以下是一个使用SQLAlchemy进行简单查询的实例：

from sqlalchemy import create_engine, Column, String, Integer
from sqlalchemy.ext.declarative import declarative_base
from sqlalchemy.orm import sessionmaker

# 定义数据模型
Base = declarative_base()

class YourTable(Base):
    __tablename__ = 'your_table'

    id = Column(Integer, primary_key=True)
    column1 = Column(String)
    column2 = Column(String)

# 创建数据库连接引擎
engine = create_engine('mysql+pymysql://your_username:your_password@your_mysql_host:3306/your_database')

# 创建数据表
Base.metadata.create_all(engine)

# 创建会话
Session = sessionmaker(bind=engine)
session = Session()

# 查询数据
result = session.query(YourTable).filter_by(column1='desired_value').all()

# 处理结果
for row in result:
    print(row.column1, row.column2)

14. 实战：处理事务

事务是数据库操作中的重要概念，用于确保一组相关操作要么全部成功，要么全部失败。以下是一个简单的事务处理实例：

import pymysql

# 建立数据库连接
connection = pymysql.connect(
    host='your_mysql_host',
    user='your_username',
    password='your_password',
    database='your_database',
    port=3306
)

# 创建游标对象
cursor = connection.cursor()

try:
    # 开始事务
    connection.begin()

    # 执行多个SQL语句
    cursor.execute("UPDATE your_table SET column1 = %s WHERE column2 = %s", ('new_value', 'condition_value'))
    cursor.execute("INSERT INTO your_table (column1, column2) VALUES (%s, %s)", ('value1', 'value2'))

    # 提交事务
    connection.commit()

except pymysql.Error as e:
    # 出现错误时回滚事务
    connection.rollback()
    print(f"Error: {e}")

finally:
    # 关闭游标和连接
    cursor.close()
    connection.close()

在这个示例中，如果执行的所有SQL语句成功，commit()将提交事务，否则rollback()将回滚事务。这有助于保持数据的一致性。

15. 实战：使用连接池

在高并发环境中，使用数据库连接池能够有效地管理和复用数据库连接，提高性能和效率。以下是一个使用pymysql连接池的实例：

首先，确保已经安装DBUtils库：

pip install DBUtils

然后，使用连接池的代码示例：

from DBUtils.PooledDB import PooledDB
import pymysql

# 配置连接池
pool = PooledDB(
    creator=pymysql,  # 使用pymysql库创建连接
    maxconnections=5,  # 连接池允许的最大连接数
    mincached=2,  # 初始化时连接池中至少创建的空闲的连接，0表示不创建
    maxcached=5,  # 连接池中最多闲置的连接，0和None表示不限制
    maxshared=3,  # 连接池中最多共享的连接数量，0和None表示全部共享
    blocking=True,  # 当连接池达到最大数量时，是否阻塞等待连接释放
    maxusage=None,  # 单个连接最多被重复使用的次数，None表示无限制
)

# 从连接池获取连接
connection = pool.connection()

# 使用连接进行操作
cursor = connection.cursor()
cursor.execute("SELECT * FROM your_table")
result = cursor.fetchall()
for row in result:
    print(row)

# 关闭游标和连接
cursor.close()
connection.close()

连接池的使用可以显著提高数据库连接的效率，尤其在并发访问高的情况下。

总结

在本篇文章中，我们深入探讨了在Python中使用pymysql和pymssql库进行MySQL和SQL Server数据库操作的基础与实战。通过一系列的代码示例，我们覆盖了以下关键方面：

  1. 基础操作： 介绍了连接数据库、查询数据、插入、更新、异常处理等基本操作，通过简单的代码展示了如何使用pymysql和pymssql库完成这些任务。

  2. 高级用法： 涵盖了参数化查询、上下文管理器、批量插入等高级用法，以及使用ORM框架SQLAlchemy进行数据库操作的实例。这些技术有助于提高代码的安全性、可读性和可维护性。

  3. 事务处理： 介绍了如何使用事务处理来确保一系列数据库操作的原子性，以维护数据的一致性。

  4. 连接池： 讲解了连接池的概念以及如何使用DBUtils库中的PooledDB创建连接池，以提高数据库连接的效率和性能。

  5. 实际应用： 提供了多个实际场景下的代码示例，包括查询、更新、事务处理和连接池的应用，帮助读者更好地理解和应用所学知识。

通过学习本文所涵盖的内容，读者可以建立起对Python中操作MySQL和SQL Server数据库的全面理解，并掌握一系列实用的技术，从而更加自信地应对各种数据库交互场景。在实际项目中，选择适合自身需求的技术和工具，并根据最佳实践进行优化，将有助于提高应用程序的性能、可靠性和安全性。希望本文能成为读者学习和应用数据库操作的有力指南。

文章标签：
云数据库 RDS MySQL 版
云数据库 RDS SQL Server 版
数据库
Python
SQL
数据库连接
关系型数据库
关键词：
Python数据库
Python PyMySQL
pymysql数据库
Python pymysql数据库
Python pymssql
相关实践学习
如何在云端创建MySQL数据库
开始实验后，系统会自动创建一台自建MySQL的 源数据库 ECS 实例和一台 目标数据库 RDS。
全面了解阿里云能为你做什么
阿里云在全球各地部署高效节能的绿色数据中心，利用清洁计算为万物互联的新世界提供源源不断的能源动力，目前开服的区域包括中国（华北、华东、华南、香港）、新加坡、美国（美东、美西）、欧洲、中东、澳大利亚、日本。目前阿里云的产品涵盖弹性计算、数据库、存储与CDN、分析与搜索、云通信、网络、管理与监控、应用服务、互联网中间件、移动服务、视频服务等。通过本课程，来了解阿里云能够为你的业务带来哪些帮助     相关的阿里云产品：云服务器ECS 云服务器 ECS（Elastic Compute Service）是一种弹性可伸缩的计算服务，助您降低 IT 成本，提升运维效率，使您更专注于核心业务创新。产品详情: https://www.aliyun.com/product/ecs
申公豹
目录
相关文章
技能实验室
|
15天前
|
关系型数据库 MySQL 数据库连接
python脚本：连接数据库，检查直播流是否可用
【10月更文挑战第13天】本脚本使用 `mysql-connector-python` 连接MySQL数据库，检查 `live_streams` 表中每个直播流URL的可用性。通过 `requests` 库发送HTTP请求，输出每个URL的检查结果。需安装 `mysql-connector-python` 和 `requests` 库，并配置数据库连接参数。
技能实验室
114 68
游客sjjs6jgz4gp7m1
|
16天前
|
关系型数据库 MySQL 数据处理
探索Python中的异步编程：从asyncio到异步数据库操作
在这个快节奏的技术世界里，效率和性能是关键。本文将带你深入Python的异步编程世界，从基础的asyncio库开始，逐步探索到异步数据库操作的高级应用。我们将一起揭开异步编程的神秘面纱，探索它如何帮助我们提升应用程序的性能和响应速度。
游客sjjs6jgz4gp7m1
15 3
bruce刘晓伟-18435
|
26天前
|
Web App开发 SQL 数据库
使用 Python 解析火狐浏览器的 SQLite3 数据库
本文介绍如何使用 Python 解析火狐浏览器的 SQLite3 数据库，包括书签、历史记录和下载记录等。通过安装 Python 和 SQLite3，定位火狐数据库文件路径，编写 Python 脚本连接数据库并执行 SQL 查询，最终输出最近访问的网站历史记录。
bruce刘晓伟-18435
24 4
1919324350086154
|
1月前
|
SQL 机器学习/深度学习 数据采集
SQL与Python集成：数据库操作无缝衔接22.bijius.com
自动化数据预处理：使用Python库（如Pandas）自动清洗、转换和准备数据，为机器学习模型提供高质量输入。 实时数据处理：集成Apache Kafka或Amazon Kinesis等流处理系统，实现实时数据更新和分析。
1919324350086154
22 5
1919324350086154
|
1月前
|
SQL 机器学习/深度学习 数据库
SQL与Python集成：数据库操作无缝衔接
在开始之前，确保你已经安装了必要的Python库，如`sqlite3`（用于SQLite数据库）或`psycopg2`（用于PostgreSQL数据库）。这些库提供了Python与SQL数据库之间的接口。
1919324350086154
27 1
宋晨明
|
1月前
|
SQL 关系型数据库 MySQL
Python中Pymysql库的常见用法和代码示例
`pymysql` 是一个用于连接 MySQL 数据库的 Python 库，支持 SQL 查询的执行和结果处理。通过 `pip install pymysql` 安装后，可使用 `connect()` 方法建立连接，`cursor()` 创建游标执行查询，包括数据的增删改查，并通过 `commit()` 和 `rollback()` 管理事务，最后需关闭游标和连接以释放资源。
宋晨明
61 0
1919324350086154
|
1月前
|
SQL 机器学习/深度学习 数据采集
SQL与Python集成：数据库操作无缝衔接2a.bijius.com
Python与SQL的集成是现代数据科学和工程实践的核心。通过有效的数据查询、管理与自动化，可以显著提升数据分析和决策过程的效率与准确性。随着技术的不断发展，这种集成的应用场景将更加广泛，为数据驱动的创新提供更强大的支持。
1919324350086154
22 0
1919324350086154
|
1月前
|
SQL 机器学习/深度学习 数据库
SQL与Python集成：数据库操作无缝衔接
1. Python与SQL集成的关键步骤 在开始之前，确保你已经安装了必要的Python库，如`sqlite3`（用于SQLite数据库）或`psycopg2`（用于PostgreSQL数据库）。这些库提供了Python与SQL数据库之间的接口。
1919324350086154
24 0
缤纷世界wb
|
Python C语言
为Python安装pymssql模块来连接SQLServer
1、安装依赖包 yum install -y gcc python-devel 2、安装freetds 下载地址：http://pan.baidu.com/s/1pLKtFBl tar zxvf freetds-0.
缤纷世界wb
1323 0
aliyun8599273441-30642
|
1天前
|
数据采集 机器学习/深度学习 人工智能
Python编程入门：从基础到实战
【10月更文挑战第36天】本文将带你走进Python的世界，从基础语法出发，逐步深入到实际项目应用。我们将一起探索Python的简洁与强大，通过实例学习如何运用Python解决问题。无论你是编程新手还是希望扩展技能的老手，这篇文章都将为你提供有价值的指导和灵感。让我们一起开启Python编程之旅，用代码书写想法，创造可能。
aliyun8599273441-30642
7 3

热门文章

最新文章

  • 1
    3、Python与设计模式--建造者模式
  • 2
    手把手教你用Python实践深度学习
  • 3
    Python中的is和==以及字符串驻留机制
  • 4
    ZhuSuan 是建立在Tensorflow上的贝叶斯深层学习的 python 库
  • 5
    02 放大招，Python预测8月22号双色球号码！
  • 6
    Python基础知识思维导图
  • 7
    Python 多进程之间共享变量
  • 8
    面向对象案例讲解 | 手把手教你入门Python之五十六
  • 9
    带你读《Python3智能数据分析快速入门》之二：Python基础知识
  • 10
    高效使用 Python 可视化工具 Matplotlib
  • 1
    国产达梦数据库使用记录
    54
  • 2
    基于jeecg-boot的项目管理系统（一、部分数据库）
    68
  • 3
    利用LangChain构建的智能数据库操作系统
    270
  • 4
    关系型数据库的安装和配置数据库节点
    206
  • 5
    关系型数据库选择合适的数据库管理系统
    443
  • 6
    MySQL数据库的约束+进阶版新增与查询-2
    82
  • 7
    AIX数据库启动和停止脚本
    43
  • 8
    数据库性能诊断工具DBdoctor通过阿里云PolarDB产品生态集成认证
    366
  • 9
    修改SAP数据库用户密码的参考
    114
  • 10
    JDBC Java标准库提供的一些api(类+方法) 统一各种数据库提供的api
    49

    • 相关课程

    更多
  • Python Web开发基础
  • Python爬虫实战
  • Python常用数据科学库
  • Python网络爬虫实战
  • Python完全自学手册图文教程
  • Python基础快速入门实战教程

    • 相关电子书

    更多
  • From Python Scikit-Learn to Sc
  • Data Pre-Processing in Python:
  • 双剑合璧-Python和大数据计算平台的结合

    • 相关实验场景

    更多
  • 使用DAS实现数据库SQL优化
  • 自建数据库迁移到云数据库
  • 用Python画圣诞树
  • PolarDB for AI：在数据库中通过SQL实现AI能力
  • 云原生HTAP数据库，让你的交易和分析一库搞定
  • 快速体验PolarDB开源数据库

    • 推荐镜像

    更多
  • python-release
  • nodejs-release
  • golang
    • 下一篇
    无影云桌面