sql注入原理与实战(四)数据表操作

简介: sql注入原理与实战(四)数据表操作

数据表操作是指对关系型数据库中的数据表进行创建、修改、删除等操作的过程。以下是一些常见的数据表操作及其示例:

创建数据表

CREATE TABLE table_name (
    column1 datatype,
    column2 datatype,
    column3 datatype,
   .....
);

修改数据表

-- 添加列
ALTER TABLE table_name ADD column_name datatype;
-- 删除列
ALTER TABLE table_name DROP COLUMN column_name;
-- 修改列名和数据类型
ALTER TABLE table_name CHANGE old_column_name new_column_name new_datatype;

删除数据表

DROP TABLE table_name;

克隆数据表

-- 克隆表结构
CREATE TABLE new_tbl LIKE orig_tbl;
-- 克隆表结构并拷贝数据
CREATE TABLE new_tbl LIKE orig_tbl;
INSERT INTO new_tbl SELECT * FROM orig_tbl;

修改表中数据

-- 更新数据
UPDATE table_name SET column_name = new_value WHERE some_column = some_value;
-- 删除数据
DELETE FROM table_name WHERE some_column = some_value;

创建数据表

image.png

创建数据表

mysql> CREATE TABLE qiuzhi_test(

查看此数据库所有表

mysql> show tables; 查看此数据库所有表

查看此数据表

mysql> desc qiuzhi_test; 查看此数据表

查看创建此表的配置文件  

mysql > show create table sectest; 查看创建此表的配置文件

多表查询

内连接

隐式内连接:select * from emp e1, dept d1 where e1.deptno = d1.deptno;

显示内连接:select * from emp e1 inner join dept d1 on e1.deptno = d1.deptno;

外连接

左外连接

隐式左外连接:select * from emp e1,dept d1 where e1.deptno = d1.deptno(+);

显示左外连接:select * from emp e1 left outer join dept d1 on e1.deptno = d1.deptno;

右外连接

隐式右外连接:select * from emp e1,dept d1 where e1.deptno(+) = d1.deptno;

显示右外连接:select * from emp e1 right outer join dept d1 on e1.deptno = d1.deptno;

全外连接:select * from emp e1 full outer join dept d1 on e1.deptno = d1.deptno;

交叉连接

隐式交叉连接:select * from emp, dept;

显示交叉连接:select * from emp e1 cross join dept d1;

数据列操作

image.png

删除列

image.png

删除数据

image.png


数据操作  

数据库数据操作主要包括增加、删除、修改和查询四种类型。以下是每种类型的简要介绍:

1.增加数据:使用INSERT语句向数据库中插入新的数据。例如,下面的SQL语句可以向名为“students”的表中插入一条新的学生记录:

INSERT INTO students (name, age, gender) VALUES ('Tom', 18, 'male');

2.删除数据:使用DELETE语句从数据库中删除数据。例如,下面的SQL语句可以删除名为“students”的表中所有年龄小于18岁的学生记录:

DELETE FROM students WHERE age < 18;

3.修改数据:使用UPDATE语句修改数据库中的数据。例如,下面的SQL语句可以将名为“Tom”的学生的年龄修改为20岁:

UPDATE students SET age = 20 WHERE name = 'Tom';

4.查询数据:使用SELECT语句从数据库中查询数据。例如,下面的SQL语句可以查询名为“students”的表中所有学生的姓名和年龄:

SELECT name, age FROM students;

image.png

简单查询

数据库查询操作是指从数据库中检索所需数据的过程。常见的查询操作包括简单查询、条件查询、排序查询、分组查询和分页查询等。以下是一些常见的数据库查询操作及其示例:

简单查询

简单查询是指从数据库中检索所有数据的操作。例如,以下SQL语句将从名为“students”的表中检索所有数据:

SELECT * FROM students;

条件查询

条件查询是指从数据库中检索符合特定条件的数据的操作。例如,以下SQL语句将从名为“students”的表中检索年龄大于18岁的学生数据:

SELECT * FROM students WHERE age > 18;

排序查询

排序查询是指从数据库中检索数据并按照特定顺序排序的操作。例如,以下SQL语句将从名为“students”的表中检索所有数据,并按照年龄从小到大的顺序排序:

SELECT * FROM students ORDER BY age ASC;

分组查询

分组查询是指从数据库中检索数据并按照特定分组方式进行分组的操作。例如,以下SQL语句将从名为“students”的表中检索所有数据,并按照性别进行分组:

SELECT sex, COUNT(*) FROM students GROUP BY sex;

分页查询

分页查询是指从数据库中检索数据并按照特定分页方式进行分页的操作。例如,以下SQL语句将从名为“students”的表中检索第2页的数据,每页显示10条数据:

SELECT * FROM students LIMIT 10 OFFSET 10;

image.png

进阶操作

以下是关于分组查询和联合查询的介绍和演示:

分组查询

分组查询是指将数据按照某个字段进行分组,并对每个分组进行聚合操作,例如求和、平均值等。常用的关键字包括GROUP BY和HAVING。

例如,我们有一个学生表,其中包含学生的姓名、班级和成绩三个字段。现在我们想要按照班级对学生进行分组,并计算每个班级的平均成绩,可以使用如下SQL语句:

SELECT class, AVG(score) as avg_score
FROM student
GROUP BY class;

上述SQL语句中,我们使用了GROUP BY关键字对class字段进行分组,并使用AVG函数计算每个班级的平均成绩。最终的结果将会按照班级分组,并显示每个班级的平均成绩。

联合查询

联合查询是指将多个查询结果合并成一个结果集。常用的关键字包括UNION和UNION ALL。

例如,我们有两个学生表,分别为学生表A和学生表B,其中包含学生的姓名、班级和成绩三个字段。现在我们想要将这两个表的数据合并,并按照成绩进行排序,可以使用如下SQL语句:

SELECT name, class, score
FROM student_A
UNION
SELECT name, class, score
FROM student_B
ORDER BY score DESC;

上述SQL语句中,我们使用了UNION关键字将学生表A和学生表B的数据合并,并使用ORDER BY关键字按照成绩进行降序排序。最终的结果将会是一个包含所有学生信息的结果集,并按照成绩从高到低排序

image.png

image.png

image.png
























相关文章
|
23天前
|
弹性计算 人工智能 架构师
阿里云携手Altair共拓云上工业仿真新机遇
2024年9月12日,「2024 Altair 技术大会杭州站」成功召开,阿里云弹性计算产品运营与生态负责人何川,与Altair中国技术总监赵阳在会上联合发布了最新的“云上CAE一体机”。
阿里云携手Altair共拓云上工业仿真新机遇
|
15天前
|
存储 关系型数据库 分布式数据库
GraphRAG:基于PolarDB+通义千问+LangChain的知识图谱+大模型最佳实践
本文介绍了如何使用PolarDB、通义千问和LangChain搭建GraphRAG系统,结合知识图谱和向量检索提升问答质量。通过实例展示了单独使用向量检索和图检索的局限性,并通过图+向量联合搜索增强了问答准确性。PolarDB支持AGE图引擎和pgvector插件,实现图数据和向量数据的统一存储与检索,提升了RAG系统的性能和效果。
|
20天前
|
机器学习/深度学习 算法 大数据
【BetterBench博士】2024 “华为杯”第二十一届中国研究生数学建模竞赛 选题分析
2024“华为杯”数学建模竞赛,对ABCDEF每个题进行详细的分析,涵盖风电场功率优化、WLAN网络吞吐量、磁性元件损耗建模、地理环境问题、高速公路应急车道启用和X射线脉冲星建模等多领域问题,解析了问题类型、专业和技能的需要。
2572 22
【BetterBench博士】2024 “华为杯”第二十一届中国研究生数学建模竞赛 选题分析
|
18天前
|
人工智能 IDE 程序员
期盼已久!通义灵码 AI 程序员开启邀测,全流程开发仅用几分钟
在云栖大会上,阿里云云原生应用平台负责人丁宇宣布,「通义灵码」完成全面升级,并正式发布 AI 程序员。
|
3天前
|
JSON 自然语言处理 数据管理
阿里云百炼产品月刊【2024年9月】
阿里云百炼产品月刊【2024年9月】,涵盖本月产品和功能发布、活动,应用实践等内容,帮助您快速了解阿里云百炼产品的最新动态。
阿里云百炼产品月刊【2024年9月】
|
2天前
|
存储 人工智能 搜索推荐
数据治理,是时候打破刻板印象了
瓴羊智能数据建设与治理产品Datapin全面升级,可演进扩展的数据架构体系为企业数据治理预留发展空间,推出敏捷版用以解决企业数据量不大但需构建数据的场景问题,基于大模型打造的DataAgent更是为企业用好数据资产提供了便利。
159 2
|
19天前
|
机器学习/深度学习 算法 数据可视化
【BetterBench博士】2024年中国研究生数学建模竞赛 C题:数据驱动下磁性元件的磁芯损耗建模 问题分析、数学模型、python 代码
2024年中国研究生数学建模竞赛C题聚焦磁性元件磁芯损耗建模。题目背景介绍了电能变换技术的发展与应用,强调磁性元件在功率变换器中的重要性。磁芯损耗受多种因素影响,现有模型难以精确预测。题目要求通过数据分析建立高精度磁芯损耗模型。具体任务包括励磁波形分类、修正斯坦麦茨方程、分析影响因素、构建预测模型及优化设计条件。涉及数据预处理、特征提取、机器学习及优化算法等技术。适合电气、材料、计算机等多个专业学生参与。
1570 16
【BetterBench博士】2024年中国研究生数学建模竞赛 C题:数据驱动下磁性元件的磁芯损耗建模 问题分析、数学模型、python 代码
|
21天前
|
编解码 JSON 自然语言处理
通义千问重磅开源Qwen2.5,性能超越Llama
击败Meta,阿里Qwen2.5再登全球开源大模型王座
942 14
|
3天前
|
Linux 虚拟化 开发者
一键将CentOs的yum源更换为国内阿里yum源
一键将CentOs的yum源更换为国内阿里yum源
185 2
|
16天前
|
人工智能 开发框架 Java
重磅发布!AI 驱动的 Java 开发框架:Spring AI Alibaba
随着生成式 AI 的快速发展,基于 AI 开发框架构建 AI 应用的诉求迅速增长,涌现出了包括 LangChain、LlamaIndex 等开发框架,但大部分框架只提供了 Python 语言的实现。但这些开发框架对于国内习惯了 Spring 开发范式的 Java 开发者而言,并非十分友好和丝滑。因此,我们基于 Spring AI 发布并快速演进 Spring AI Alibaba,通过提供一种方便的 API 抽象,帮助 Java 开发者简化 AI 应用的开发。同时,提供了完整的开源配套,包括可观测、网关、消息队列、配置中心等。
711 12