随着需要存储数据的结构不断复杂化，使用数据库来存储数据是一个必须面临的问题。那么应该如何在python中使用数据库？下面就在本篇博客中介绍一下在python中使用mysql。
首先，本博客已经假定阅读者已经安装了python和mysql，所以不会讲解关于它们的安装（如果未安装，请查阅官方文档进行下载安装）。
在python中使用pymysql操作mysql
python的标准库中，是没有可以直接连接操作mysql的模块，首先我们应安装python的第三方模块pymysql。
使用pymysql操作mysql的步骤：
1）使用pymysql.connect连接并登录mysql
2) 使用connection.cursor建立游标
3) 使用cursor.execute()或cursor.executemany()执行sql语句
例一（使用pymysql执行简单的mysql操作）：
(1) 首先在mysql中建立一张用户表
CREATE TABLE `users` (
`id` int(11) NOT NULL AUTO_INCREMENT,
`email` varchar(255) COLLATE utf8_bin NOT NULL,
`password` varchar(255) COLLATE utf8_bin NOT NULL,
PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8 COLLATE=utf8_bin
AUTO_INCREMENT=1 ;
(2) 使用pymysql连接数据库并操作这张表
import pymysql # Connect to the database
# 连接mysql，host指定主机；port指定端口，如果mysql为默认端口3306可以不写；
# user,password分别指定登录mysql的用户名和密码；
# db指定数据库；charset指定字符集；
connection = pymysql.connect(host='localhost',
user='root',
password='',
db='test',
charset='utf8mb4',
cursorclass=pymysql.cursors.DictCursor) try:
with connection.cursor() as cursor:
# Create a new record
# 构建sql语句
sql = "INSERT INTO `users` (`email`, `password`) VALUES (%s, %s)"
# 相当于在mysql终端执行
# "INSERT INTO `users` (`email`, `password`) VALUES ('webmaster@python.org', 'very-secret')"
cursor.execute(sql, ('webmaster@python.org', 'very-secret')) # connection is not autocommit by default. So you must commit to save
# your changes.
# 向mysql提交更改，如果是查询语句，无需执行connection.commit()
# 可以通过设置connection.autocommit()来自动提交，传入True即可
connection.commit() with connection.cursor() as cursor:
# Read a single record
# sql = "SELECT `id`, `password` FROM `users` WHERE `email`=%s"
# cursor.execute(sql, ('webmaster@python.org',))
sql = "SELECT * FROM `users`"
# 执行cursor.execute(sql),等于在mysql终端执行sql语句。
cursor.execute(sql)
# 获取sql语句执行结果并打印
result = cursor.fetchall()
print(result)
finally:
# 关闭连接
connection.close()
pymysql_example.py
例二（向mysql中的表插入多条信息）：
import pymysql connection = pymysql.Connect(host="localhost",
user="root",
password="",
db="test",
charset="utf8mb4",
cursorclass=pymysql.cursors.DictCursor) try:
# # 执行多次INSERT操作
# with connection.cursor() as cursor:
# users_info = [('xiaoming@123.com','simple'), ('xiaoqiang@123.com','simple'),
# ('xiaozhang@123.com','very-secret'), ('xiaoli@123.com', 'simple'),
# ('xiangwang@123.com','simple'), ('xiaohong@123.com','very-secret')]
# sql = "INSERT INTO `users` (`email`, `password`) VALUES (%s, %s)"
# # 执行多次相同操作使用cursor.executemany（）
# cursor.executemany(sql, users_info)
# connection.commit() # 查询所有用户信息
with connection.cursor() as cursor:
sql = "SELECT * FROM `users`"
cursor.execute(sql)
result = cursor.fetchall()
print("-----all users-----")
for user_info in result:
print(user_info) with connection.cursor() as cursor:
sql = "SELECT * FROM `users` WHERE `password`=%s"
cursor.execute(sql, ('very-secret',))
result = cursor.fetchall()
print("-----password is very-secret-----")
for user_info in result:
print(user_info)
finally:
connection.close()
test_pymysql.py
注：在python程序中使用pymysql，最好只执行对表的增删该查即可（使用pymysql虽然能执行原生SQL语句，但不建议使用它进行建数据库，表，修改数据库，表属性等操作（如果要进行这些操作不妨直接登录mysql，直接在mysql终端执行这些操作）。
下面将介绍一些pymysql的一些常用API（在pymysq中只有两个常用object）：
(1)Connection Object：
常用属性：
host – mysql主机地址
user – 登录用户名
password – 登录用户密码
port – mysql端口，默认3306
charset – 字符集
connect_timeout – 连接最大时间，超时自动断开。(default: 10, min: 1, max: 31536000)
autocommit – 是否自动提交更改。(default: False)
db – 使用指定的数据库
cursorclass – 指定cursor类
注：以上参数应在连接数据库时指定，只是常用参数（详细请参见：http://pymysql.readthedocs.io/en/latest/modules/connections.html）。
常用方法：
begin() - 开启一个事件 与 在mysql终端执行BEGIN效果相同 close() - 关闭与mysql的连接 commit() - 提交对mysql中存储数据的更改 cursor(cursor=None) - 创建一个cursor对象，cursor类在连接时未指明，可以在此指明，使用默认cursor忽略参数即可 ping(reconnect=True) - 检测连接是否存活，如果连接超过设置的connet_timeout会自动断开，所以在进行对mysql操作前应使用此方法检测 rollback() - 使用了begin()后，对mysql的操作未提交前，可以只用此方法恢复到未操作之前 select_db(db) - 选择数据库，如果要操作的表不在连接时指定的数据库，使用此方法切换。 show_warnings() - 显示警告信息
(2)Cursor Objects：
常用方法：
execute(query, args=None) - 执行一条sql语句
Parameters:
query (str) – 要被执行的sql语句
args (tuple, list or dict) – sql语句中用到的参数
Returns:
多少行信息收到影响 Return type:
int 如果args是以tuple的形式指定，则按位置依次传入sql语句中；如果是以dict传入，则以关键字传入sql语句中。 executemany(query, args) - 多次执行这条sql语句
参数与上相同，不过要使用[]将多个args括起来。
此方法可提高多行INSERT和REPLACE的性能。 否则，它等价于使用execute() 循环args。 fetchone() - 取结果中的一行 fetchall() - 取所有的结果 fetchmany(size=None) - 取结果中的size行 close() - 关闭当前cursor max_stmt_length = 1024000 - 指定 executemany() 执行最多max_stmt_length次sql语句
注：只写了常用方法，详细请参见：http://pymysql.readthedocs.io/en/latest/modules/cursors.html
使用sqlalchemy操作数据库（重点）
例三（使用sqlalchemy创建一张数据表并插入数据）：
使用pymysql固然可以与mysql进行交互，但还是在源代码中使用了原生SQL语句，使代码的重用行和扩展性大大降低，这不符合面向对象的编程的特性。那么该如何像操作对象一样操作数据库呢？
我们使用一种叫做ORM(Object Relational Mapping，简称ORM，或O/RM，或O/R mapping)的技术，是一种程序技术，用于实现面向对象编程语言里不同类型系统的数据之间的转换。在python中我们使用一个名为SQLAlchemy(基于ORM的开发组件)来进行对数据库的操作，这样就不必在源代码中使用SQL语句，大大降低了程序员学习SQL的成本，由于不必再拼接复杂的SQL语句，大大提高开发效率，并且使程序有更高的扩展性。
import sqlalchemy
from sqlalchemy import create_engine
from sqlalchemy.ext.declarative import declarative_base
from sqlalchemy import Column, Integer, String
from sqlalchemy.orm import sessionmaker # 检查sqlalchemy的版本
# print(sqlalchemy.__version__) # 创建一个engine
# 传入一个URL作为第一个位置参数（格式为：dialect[+driver]://user:password@host/dbname[?key=value..]）
# dialect is a database name such as mysql, oracle, postgresql, ,
# and driver the name of a DBAPI, such as psycopg2, pyodbc, cx_oracle, pymysql.
# 打印操作数据库的过程，则设置echo=True，否则默认即可
engine = create_engine('mysql+pymysql://root:123456@localhost/test') Base = declarative_base() # 将要创建的表结构
class User(Base):
# 表名
__tablename__ = 'users' # 字段名，字段属性
id = Column(Integer, primary_key=True)
name = Column(String(32))
fullname = Column(String(64))
password = Column(String(64)) def __repr__(self):
return "<User(name='%s', fullname='%s', password='%s')>" % (
self.name, self.fullname, self.password) # 可以同时创建多个表，在前面以上面的形式写好所有表结构，最后统一创建
Base.metadata.create_all(engine) # 创建一个Session类
# Session = sessionmaker()
# Session.configure(bind=engine)
# 等同于上面两行
Session = sessionmaker(bind=engine)
# 生成一个session实例
session = Session() # 构造要插入表中的数据
ed_user = User(name='ed', fullname='Ed Jones', password='edspassword')
# 将数据放入session中，如果有多条数据使用session.add_all([data1,data2,...])
session.add(ed_user)
# session.add_all([User(name='wendy', fullname='Wendy Williams', password='foobar'),
# User(name='mary', fullname='Mary Contrary', password='xxg527'),
# User(name='fred', fullname='Fred Flinstone', password='blah')])
# 向数据库提交
# session.commit() data = session.query(User).filter(User.id>2).all()
print(data)
sqlalchemy_test.py
# 使用上面的代码生成的数据表结构
mysql> desc users;
+----------+-------------+------+-----+---------+----------------+
| Field | Type | Null | Key | Default | Extra |
+----------+-------------+------+-----+---------+----------------+
| id | int(11) | NO | PRI | NULL | auto_increment |
| name | varchar(32) | YES | | NULL | |
| fullname | varchar(64) | YES | | NULL | |
| password | varchar(64) | YES | | NULL | |
+----------+-------------+------+-----+---------+----------------+
4 rows in set (0.00 sec) # 使用上面代码插入表中的数据
mysql> select * from users;
+----+------+----------+-------------+
| id | name | fullname | password |
+----+------+----------+-------------+
| 1 | ed | Ed Jones | edspassword |
+----+------+----------+-------------+
1 row in set (0.00 sec)
例四（使用sqlalchemy进行对数据的查，改，删）
# 查询时在filter_by(或filter)中写上条件即可，查询到的结果可能是多条，first()代表取第一条，all()代表取所有
our_user = session.query(User).filter_by(name='ed').first()
# 如果有多个查询条件，data = session.query(User).filter(User.id>2).filter(User.id<4).all(),这样使用即可
data = session.query(User).filter(User.id>2).all()
print("-------这是查询数据的结果-------")
print(our_user)
print(data)
print('\n') # 直接修改查询的结果，然后提交即可
our_user.password = 'f8s7ccs'
session.commit()
new_user = session.query(User).filter_by(name='ed').first()
print("-------这是修改数据的结果-------")
print(new_user)
print('\n') # 先查询出要删除的数据，然后使用session.delete()和session.delete()即可
data = session.query(User).filter(User.id==5).first()
# print(data)
session.delete(data)
session.commit()
使用sqlalchemy操作数据库中的数据
例五（使用sqlalchemy实现数据表的外键关联）：
作为关系型数据库，表与表之间的外键关联是比不可少的，也是至关重要的，那么改如何使用sqlalchemy在python对象中通过类的形式映射这种关系呢？ 请看下面的代码。
import sqlalchemy
from sqlalchemy import create_engine
from sqlalchemy.ext.declarative import declarative_base
from sqlalchemy import Column, Integer, String, Enum, ForeignKey
from sqlalchemy.orm import sessionmaker, relationship engine = create_engine('mysql+pymysql://root:123456@localhost/student') Base = declarative_base() class Student(Base):
__tablename__ = 'student_info' # 设置id, 类型为int, 不能为空, id是这张表的主键
id = Column(Integer, nullable=False, primary_key=True)
# 设置stu_id, 类型为int, 不能为空, id在这张表中的值唯一
stu_id = Column(Integer, nullable=False, unique=True)
name = Column(String(32), nullable=False, )
age = Column(Integer, nullable=False, )
gender = Column(Enum('F', 'M'), nullable=False) # 查询结果的显示是此函数返回的格式
def __repr__(self):
return "<Student(stu_id='%s', name='%s', age='%s', gender='%s')>" % (
self.stu_id, self.name, self.age, self.gender) class Study(Base):
__tablename__ = 'study_level' id = Column(Integer, nullable=False, primary_key=True)
# 设置stu_id为study_level表的外键，与student_info表中的stu_id关联
stu_id = Column(Integer, ForeignKey('student_info.stu_id'))
mathematics = Column(Integer)
physics = Column(Integer)
chemistry = Column(Integer) # 定义关系，可以在本类中使用属性student_info查询表student_info中的数据（以同样的条件）
# 也可以在Student类中使用属性study_level查询表study_level中的数据
student_info = relationship('Student', backref='study_level') def __repr__(self):
return "<Study(name=%s, mathematics=%s, physics=%s, chemistry=%s)>" % (
self.student_info.name, self.mathematics, self.physics, self.chemistry) # Base.metadata.create_all(engine) Session = sessionmaker(engine)
session = Session() # 插入4个学生信息
# session.add_all([Student(stu_id=10001, name='zhangsan', age=16, gender='F'),
# Student(stu_id=10002, name='lisi', age=17, gender='M'),
# Student(stu_id=10003, name='wangwu', age=16, gender='M'),
# Student(stu_id=10004, name='zhouliu', age=15, gender='F')])
#
# 插入考试成绩，成绩不到60分的科目需补考，再插入补考成绩
# session.add_all([Study(stu_id=10001, mathematics=78, physics=70, chemistry=83),
# Study(stu_id=10002, mathematics=87, physics=85, chemistry=92),
# Study(stu_id=10003, mathematics=60, physics=54, chemistry=76),
# Study(stu_id=10004, mathematics=52, physics=46, chemistry=44),
# Study(stu_id=10003, physics=68),
# Study(stu_id=10004, mathematics=63, physics=61, chemistry=65)])
# session.commit() # 使用这种方法查询多张表，表之间可以没有任何关系
data = session.query(Student, Study).filter(Student.stu_id==Study.stu_id).all()
print(data)
print('\n') # 使用下面的方法通过一张表查询其他表，表之间必须有外键关联
# 因为每个学生的信息唯一，所以使用first()
student = session.query(Student).filter(Student.stu_id==10003).first()
print(student)
# print(student.study_level)相当于Student.stu_id==10003时，下面的两行代码
# data = session.query(Study).filter(session.query(Study).filter(Student.stu_id==Study.stu_id).all()).all()
# print(data)
print(student.study_level)
print('\n') # 因为一个学生可能会有多次考试记录，所以使用all()
score = session.query(Study).filter(Study.stu_id==10003).all()
print(score)
# print(score[0].student_info)相当于Study.stu_id==10003时
# 因为在student_info表中stu_id的值唯一，所以只有一条数据
# data = session.query(Student).filter(Study[0].stu_id==Student.stu_id).first()
# print(data)
print(score[0].student_info)
fk_sqlalchemy.py
mysql> select * from student_info;
+----+--------+----------+-----+--------+
| id | stu_id | name | age | gender |
+----+--------+----------+-----+--------+
| 1 | 10001 | zhangsan | 16 | F |
| 2 | 10002 | lisi | 17 | M |
| 3 | 10003 | wangwu | 16 | M |
| 4 | 10004 | zhouliu | 15 | F |
+----+--------+----------+-----+--------+
4 rows in set (0.00 sec) mysql> select * from study_level;
+----+--------+-------------+---------+-----------+
| id | stu_id | mathematics | physics | chemistry |
+----+--------+-------------+---------+-----------+
| 1 | 10001 | 78 | 70 | 83 |
| 2 | 10002 | 87 | 85 | 92 |
| 3 | 10003 | 60 | 54 | 76 |
| 4 | 10004 | 52 | 46 | 44 |
| 5 | 10003 | NULL | 68 | NULL | #学号为10003的学生，只有一科成绩小于60，只补考一科
| 6 | 10004 | 63 | 61 | 65 | #学号为10004的学生，三科成绩都小于60，需补考三科
+----+--------+-------------+---------+-----------+
6 rows in set (0.00 sec)
注：对有外键关联的数据表，进行数据的增删该查，与上例中使用的方式一样，不过受外键约束，约束条件同mysql中外键的约束相同。（详细请参见：http://www.cnblogs.com/God-Li/p/8157312.html）
例六（使用sqlalchemy实现mysql中多对多的关系）：
多对多的数据关系是最常见的实际生产的数据关系，比如超市的商品与顾客之间的关系（一个顾客可以买多种商品，一种商品可以被多个顾客购买），比如电影与演员的关系（一名演员可以参演多部电影，一部电影会有多个演员），这些数据是我们经常使用的，比如我们在视频网站查找电影时，会有按演员查找，对于一部电影我们也经常关注是哪些演员参演的。那么改如何使用sqlalchemy在mysql中存储这些关系呢？我们就以超市商品与顾客之间的关系来做一个示例，请看下面的代码。
为了便于理解，我们先来看一下表结构（一共三张表）
# 商品表，存储商品的名称，价格，和生产日期（为了简单只存这几样信息）
mysql> select * from products;
+----+-------------+-------+------------+
| id | name | price | pro_date |
+----+-------------+-------+------------+
| 1 | iPhone8 | 6988 | 2017-09-18 |
| 2 | Apple Watch | 2588 | 2017-06-20 |
| 3 | Airpods | 1288 | 2017-01-11 |
| 4 | MacBook | 10288 | 2017-05-13 |
+----+-------------+-------+------------+
4 rows in set (0.00 sec) # 顾客表，存储顾客的姓名（这里为了简单只存了姓名，其实还应该用性别、年龄等具体信息）
mysql> select * from customers;
+----+-----------+
| id | name |
+----+-----------+
| 1 | ZhangSang |
| 2 | WangWu |
| 3 | XiaoMing |
| 4 | LiSi |
| 5 | ZhaoLiu |
+----+-----------+
5 rows in set (0.00 sec) # 商品顾客关系表，存储商品与用户的关系，可通过用户查购买了哪些商品，也可通过商品查有哪些用户购买
mysql> select * from product_to_customer;
+------------+-------------+
| product_id | customer_id |
+------------+-------------+
| 4 | 4 |
| 4 | 3 |
| 3 | 2 |
| 2 | 1 |
| 2 | 4 |
| 2 | 2 |
| 2 | 5 |
| 2 | 3 |
| 1 | 1 |
| 1 | 4 |
| 1 | 5 |
+------------+-------------+
11 rows in set (0.00 sec)
接着我们来看一下如何使用python来创建这些表，插入并查询这些信息。
import sqlalchemy
from sqlalchemy import Table, Column, Integer, String, DATE, ForeignKey
from sqlalchemy.orm import relationship
from sqlalchemy.ext.declarative import declarative_base
from sqlalchemy import create_engine Base = declarative_base() # 商品与顾客关系表结构
product_to_customer = Table('product_to_customer', Base.metadata,
Column('product_id', Integer, ForeignKey('products.id')),
Column('customer_id', Integer, ForeignKey('customers.id'))) # 用户表结构
class Customer(Base):
__tablename__ = 'customers' id = Column(Integer, primary_key=True)
name = Column(String(32)) def __repr__(self):
return self.name # 商品表结构
class Product(Base):
__tablename__ = 'products' id = Column(Integer, primary_key=True)
name = Column(String(32))
price = Column(Integer)
pro_date = Column(DATE)
customers = relationship(Customer, backref='products', secondary='product_to_customer') def __repr__(self):
return self.name engine = create_engine('mysql+pymysql://root:123456@localhost/supermarket')
Base.metadata.create_all(engine)
table_struct.py
import table_struct
from sqlalchemy.orm import sessionmaker Session = sessionmaker(table_struct.engine)
session = Session() # 构建商品信息
# p1 = table_struct.Product(name='iPhone8', price='6988', pro_date='2017-9-18')
# p2 = table_struct.Product(name='MacBook', price='10288', pro_date='2017-5-13')
# p3 = table_struct.Product(name='Airpods', price='1288', pro_date='2017-1-11')
# p4 = table_struct.Product(name='Apple Watch', price='2588', pro_date='2017-6-20')
#
# 构建顾客信息
# c1 = table_struct.Customer(name="ZhangSang")
# c2 = table_struct.Customer(name="LiSi")
# c3 = table_struct.Customer(name="WangWu")
# c4 = table_struct.Customer(name="ZhaoLiu")
# c5 = table_struct.Customer(name="XiaoMing")
#
# 构建商品与顾客的关系
# p1.customers = [c1, c2, c4]
# p2.customers = [c2, c5]
# p3.customers = [c3]
# p4.customers = [c1, c2, c3, c4, c5]
#
# session.add_all([p1, p2, p3, p4, c1, c2, c3, c4, c5])
# session.commit() # 通过顾客查询他购买了哪些商品
customer_obj = session.query(table_struct.Customer).filter(table_struct.Customer.name=='XiaoMing').first()
print(customer_obj.products) # 通过商品查询有哪些顾客购买
product_obj = session.query(table_struct.Product).filter(table_struct.Product.name=="iPhone8").first()
print(product_obj.customers)
database_api.py