⭐震惊这福利还不知道!免安装几分钟速学Python内库Sqlite3⭐

简介: 学委之前写了一篇把 热榜生成html报告的,看起来是方便了。但是统计不太方便啊!好吧,我们搞个数据库把数据存起来,存多点后面分析。

那么,选择哪个数据库好呢?

MySQL?Oracle?PostgresSQL?云数据库?

好多选择啊,Python就内置了一个数据库福利,这里就是Sqlite(sqlite3内置库)啦。

image.png

安装sqlite3?不用!

sqlite3是python安装后的一个预装的模块,算是内置的数据库,直接导入就完啦。

下面直接看代码,保存为demo_db.py.

""" 
雷学委Demo代码
"""
import sqlite3
#创建数据库连接
xuewei_conn = sqlite3.connect("xuewei_jishu.db")
#新建游标
cur = xuewei_conn.cursor()
#下面的sql为创建数据库表tech_stack
sql = """
create table tech_stack(
id INT,
name TEXT
);
"""
cur.execute(sql)
cur.close()

代码加了注释了比较简单不多赘述,直接复制运行代码。

直接查看当前运行目录,发现多了一个xuewei_jishu.db

image.png

也可以用终端输入sqlite3 xuewei_jishu.db使用数据库,如下:


小白会问:内置数据库是不是可以缩写简记为内库啊?那么sqlite3 就是python的内库啊?


呵呵,学委并不想理会,同时想要扔几千行SQL过去。(开个玩笑,写SQL不要搞几千行这样很不厚道!害人害己啊!)


我们刚刚创建了数据库了, 并在数据库中创建了一个表tech_stack(小白还没有反应过来,这就搞定了?)。


我们在数据表中添加技术棧吧

保存下面代码为,demo_db_add.py


""" 
雷学委Demo代码
"""
import sqlite3
#创建数据库连接
xuewei_conn = sqlite3.connect("xuewei_jishu.db")
#新建游标
cur = xuewei_conn.cursor()
sql = """
insert into tech_stack 
(ID, name)
values
(1, "Java"),
(2, "Python"),
(3, "Node.JS"),
(4, "Scala");
"""
cur.execute(sql) #PS学委会的不止这些,这里只是展示一下,欢迎关注三连支持!
xuewei_conn.commit() #PS:commit必须记得
cur.close() #也记得close

运行代码,这个不会报错的。

查看数据库表格的内容

""" 
雷学委Demo代码
"""
import sqlite3
#创建数据库连接
xuewei_conn = sqlite3.connect("xuewei_jishu.db")
#新建游标
cur = xuewei_conn.cursor()
sql = """
select * from tech_stack;
"""
cur.execute(sql)
data = cur.fetchall()
print('query result; %s' % (data))
cur.close()

运行效果如下:

image.png

练手完毕,现在创建数据库blog,同时建一个表ranklist

image.png

学委特别定制之创建数据库和表格Python代码

""" 
雷学委Demo代码
"""
import sqlite3
#创建数据库连接
xuewei_conn = sqlite3.connect("blog.db")
#新建游标
cur = xuewei_conn.cursor()
sql = """
create table ranklist(
id VARCHAR(36) NOT NULL PRIMARY KEY,
title TEXT,
link TEXT,
author TEXT,
creation_time TIMESTAMP default (datetime('now','localtime'))
);
"""
cur.execute(sql)
cur.close()

学委特别定制之添加数据,查询展示

""" 
雷学委Demo代码
"""
import sqlite3
import uuid
#创建数据库连接
xuewei_conn = sqlite3.connect("blog.db")
#新建游标
cur = xuewei_conn.cursor()
fsql = """
insert into ranklist(id, title, link, author)
values
('%s', '%s', '%s', '%s');
"""
sql = fsql % (uuid.uuid1(), "❤️爬虫截长屏不方便阅读!推荐dominate直接生成报告❤️","https://blog.csdn.net/geeklevin/article/details/119657231", "雷学委")
print("sql %s" % sql)
cur.execute(sql)
xuewei_conn.commit() #LEIXUEWEI温馨提示:这里记得调用commit,否则插入语句执行无效果。
sql = "select * from ranklist; "
cur.execute(sql)
data = cur.fetchall()
print("[雷学委] 热榜文章: %s" % str(data))
cur.close()

效果如下图:

image.png

总结

我们以上完成了建库,建表,添加和查询数据几个步骤了。

Python提供的这个“内库”sqlite3是Sqlite数据库的操作接口,使用也很简单,就几分钟的事情。

比较简单,刚刚好适用来进行热榜分析了。

目录
相关文章
|
15天前
|
调度 开发者 Python
Python中的异步编程:理解asyncio库
在Python的世界里,异步编程是一种高效处理I/O密集型任务的方法。本文将深入探讨Python的asyncio库,它是实现异步编程的核心。我们将从asyncio的基本概念出发,逐步解析事件循环、协程、任务和期货的概念,并通过实例展示如何使用asyncio来编写异步代码。不同于传统的同步编程,异步编程能够让程序在等待I/O操作完成时释放资源去处理其他任务,从而提高程序的整体效率和响应速度。
|
18天前
|
数据采集 存储 数据挖掘
Python数据分析:Pandas库的高效数据处理技巧
【10月更文挑战第27天】在数据分析领域,Python的Pandas库因其强大的数据处理能力而备受青睐。本文介绍了Pandas在数据导入、清洗、转换、聚合、时间序列分析和数据合并等方面的高效技巧,帮助数据分析师快速处理复杂数据集,提高工作效率。
48 0
|
14天前
|
弹性计算 数据管理 数据库
从零开始构建员工管理系统:Python与SQLite3的完美结合
本文介绍如何使用Python和Tkinter构建一个图形界面的员工管理系统(EMS)。系统包括数据库设计、核心功能实现和图形用户界面创建。主要功能有查询、添加、删除员工信息及统计员工数量。通过本文,你将学会如何结合SQLite数据库进行数据管理,并使用Tkinter创建友好的用户界面。
从零开始构建员工管理系统:Python与SQLite3的完美结合
|
7天前
|
算法 定位技术 Python
震惊!Python 图结构竟然可以这样玩?DFS&BFS 遍历技巧大公开
在 Python 编程中,图是一种重要的数据结构,而深度优先搜索(DFS)和广度优先搜索(BFS)是遍历图的两种关键算法。本文将通过定义图的数据结构、实现 DFS 和 BFS 算法,并通过具体示例展示其应用,帮助读者深入理解这两种算法。DFS 适用于寻找路径和检查图连通性,而 BFS 适用于寻找最短路径。掌握这些技巧,可以更高效地解决与图相关的复杂问题。
21 2
|
11天前
|
数据库 Python
异步编程不再难!Python asyncio库实战,让你的代码流畅如丝!
在编程中,随着应用复杂度的提升,对并发和异步处理的需求日益增长。Python的asyncio库通过async和await关键字,简化了异步编程,使其变得流畅高效。本文将通过实战示例,介绍异步编程的基本概念、如何使用asyncio编写异步代码以及处理多个异步任务的方法,帮助你掌握异步编程技巧,提高代码性能。
38 4
|
11天前
|
API 数据处理 Python
探秘Python并发新世界:asyncio库,让你的代码并发更优雅!
在Python编程中,随着网络应用和数据处理需求的增长,并发编程变得愈发重要。asyncio库作为Python 3.4及以上版本的标准库,以其简洁的API和强大的异步编程能力,成为提升性能和优化资源利用的关键工具。本文介绍了asyncio的基本概念、异步函数的定义与使用、并发控制和资源管理等核心功能,通过具体示例展示了如何高效地编写并发代码。
23 2
|
17天前
|
数据采集 JSON 测试技术
Python爬虫神器requests库的使用
在现代编程中,网络请求是必不可少的部分。本文详细介绍 Python 的 requests 库,一个功能强大且易用的 HTTP 请求库。内容涵盖安装、基本功能(如发送 GET 和 POST 请求、设置请求头、处理响应)、高级功能(如会话管理和文件上传)以及实际应用场景。通过本文,你将全面掌握 requests 库的使用方法。🚀🌟
36 7
|
17天前
|
机器学习/深度学习 数据采集 算法
Python机器学习:Scikit-learn库的高效使用技巧
【10月更文挑战第28天】Scikit-learn 是 Python 中最受欢迎的机器学习库之一,以其简洁的 API、丰富的算法和良好的文档支持而受到开发者喜爱。本文介绍了 Scikit-learn 的高效使用技巧,包括数据预处理(如使用 Pipeline 和 ColumnTransformer)、模型选择与评估(如交叉验证和 GridSearchCV)以及模型持久化(如使用 joblib)。通过这些技巧,你可以在机器学习项目中事半功倍。
21 3
|
10天前
|
数据采集 数据可视化 数据挖掘
利用Python进行数据分析:Pandas库实战指南
利用Python进行数据分析:Pandas库实战指南
|
17天前
|
文字识别 自然语言处理 API
Python中的文字识别利器:pytesseract库
`pytesseract` 是一个基于 Google Tesseract-OCR 引擎的 Python 库,能够从图像中提取文字,支持多种语言,易于使用且兼容性强。本文介绍了 `pytesseract` 的安装、基本功能、高级特性和实际应用场景,帮助读者快速掌握 OCR 技术。
35 0