python中使用pymssql库操作MSSQL数据库

更新时间：2023年08月21日 10:34:50 作者：铁松溜达py

这篇文章主要给大家介绍了关于python中使用pymssql库操作MSSQL数据库的相关资料,最近在学习python,发现好像没有对pymssql的详细说明,于是乎把官方文档学习一遍,重要部分做个归档,方便以后查阅,需要的朋友可以参考下

前言

在Python中，pymssql是一个用于与Microsoft SQL Server数据库进行交互的第三方库。pymssql提供了连接到数据库、执行SQL查询、插入、更新和删除数据等功能。下面我将详细介绍如何使用pymssql进行MSSQL数据库操作。

安装pymssql库 首先，确保你的Python环境已经安装了pymssql库。你可以使用pip工具进行安装

pip install pymssql

插入、更新和删除数据

使用pymssql库，你可以执行插入、更新和删除数据的操作。

import pymssql

# 连接参数
server = 'server_name'
database = 'database_name'
username = 'username'
password = 'password'

# 建立连接
conn = pymssql.connect(server=server, database=database, user=username, password=password)

# 创建游标对象
cursor = conn.cursor()

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

# 获取查询结果
result = cursor.fetchall()

# 遍历结果
for row in result:
    print(row)

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

# 更新数据
update_query = "UPDATE your_table SET column1 = %s WHERE id = %s"
update_data = ('new_value', 1)
cursor.execute(update_query, update_data) #参数化查询

# 删除数据
delete_query = "DELETE FROM your_table WHERE id = %s"
delete_data = (1,)
cursor.execute(delete_query, delete_data)

# 提交事务
conn.commit()

# 关闭游标
cursor.close()

管理事务

以确保一组数据库操作要么全部成功，要么全部回滚。

# 创建游标对象
cursor = conn.cursor()
try:
    # 开始事务
    conn.begin()
    # 执行数据库操作
    cursor.execute("INSERT INTO your_table (column1, column2) VALUES ('value1', 'value2')")
    cursor.execute("UPDATE your_table SET column1 = 'new_value' WHERE id = 1")
    # 提交事务
    conn.commit()
except Exception as e:
    # 回滚事务
    conn.rollback()
    print("Error:", e)
# 关闭游标
cursor.close()

查询结果处理

# pymssql返回的查询结果是一个元组列表，其中每个元组表示一行数据。你可以通过遍历查询结果来逐行处理数据。

# 查询结果处理
# pymssql返回的查询结果是一个元组列表，其中每个元组表示一行数据。你可以通过遍历查询结果来逐行处理数据。
# 创建游标对象
cursor = conn.cursor()
# 执行查询
cursor.execute("SELECT column1, column2 FROM your_table")
# 获取查询结果
result = cursor.fetchall()
# 遍历结果
for row in result:
    column1_value = row[0]
    column2_value = row[1]
    # 处理数据
# 关闭游标
cursor.close()

处理大型结果集

如果查询结果集非常大，无法一次性全部加载到内存中，可以使用pymssql提供的fetchone()和fetchmany()方法来逐步获取结果集的数据。

# 创建游标对象
cursor = conn.cursor()
# 执行查询
cursor.execute("SELECT column1, column2 FROM your_table")
# 获取一条记录
row = cursor.fetchone()
while row:
    # 处理数据
    print(row)
    # 获取下一条记录
    row = cursor.fetchone()
# 关闭游标
cursor.close()

批量插入数据

# 如果你需要插入大量数据到数据库，一次插入一行可能效率较低。pymssql允许你使用executemany()方法进行批量插入，一次插入多行数据。

# 批量插入数据
# 如果你需要插入大量数据到数据库，一次插入一行可能效率较低。pymssql允许你使用executemany()方法进行批量插入，一次插入多行数据。
# 创建游标对象
cursor = conn.cursor()
# 准备插入数据
data = [('value1', 'value2'),
        ('value3', 'value4'),
        ('value5', 'value6')]
# 执行批量插入
insert_query = "INSERT INTO your_table (column1, column2) VALUES (%s, %s)"
cursor.executemany(insert_query, data)
# 提交事务
conn.commit()
# 关闭游标
cursor.close()

存储过程调用

# pymssql也支持调用MSSQL数据库中的存储过程。你可以使用execute_proc()方法来执行存储过程。

# 存储过程调用
# pymssql也支持调用MSSQL数据库中的存储过程。你可以使用execute_proc()方法来执行存储过程。
# 创建游标对象
cursor = conn.cursor()
# 执行存储过程
cursor.execute_proc('your_stored_procedure_name', ('param1', 'param2'))
# 获取结果
result = cursor.fetchall()
# 关闭游标
cursor.close()

分页查询

当处理大量数据时，分页查询是一种常见的需求。可以使用pymssql的OFFSET和FETCH语句来实现分页查询。通过调整page_size和page_number参数，可以获取指定页数的数据。

# 定义分页参数
page_size = 10
page_number = 1
# 执行分页查询
query = f"SELECT column1, column2 FROM your_table ORDER BY column1 OFFSET {page_size * (page_number - 1)} ROWS FETCH NEXT {page_size} ROWS ONLY"
cursor.execute(query)
result = cursor.fetchall()
for row in result:
    # 处理数据

# 创建游标对象
cursor = conn.cursor()
# 定义分页查询语句
page_size = 10  # 每页的记录数
page_number = 1  # 页码
offset = (page_number - 1) * page_size  # 计算偏移量
query = f"SELECT column1, column2 FROM your_table ORDER BY column1 OFFSET {offset} ROWS FETCH NEXT {page_size} ROWS ONLY"
# 执行分页查询
cursor.execute(query)
# 处理查询结果
result = cursor.fetchall()
for row in result:
    # 处理数据
# 关闭游标
cursor.close()

处理数据库连接错误

在连接数据库时，可能会遇到连接错误。可以通过捕获pymssql库引发的pymssql.OperationalError异常来处理连接错误。

import pymssql
try:
    conn = pymssql.connect(server='server_name', database='database_name', user='username', password='password')
    # 连接成功，执行数据库操作
    cursor = conn.cursor()
    # 执行查询、插入、更新等操作
    # ...
    conn.commit()
    cursor.close()
    conn.close()
except pymssql.OperationalError as e:
    # 处理连接错误
    print("Connection Error:", e)

import pymssql
try:
    # 连接数据库
    conn = pymssql.connect(server='server_name', database='database_name', user='username', password='password')
    # 执行数据库操作
    cursor = conn.cursor()
    cursor.execute("SELECT column1, column2 FROM your_table")
    result = cursor.fetchall()
    # 处理查询结果
    for row in result:
        # 处理数据
except pymssql.Error as e:
    print("Database Error:", e)
finally:
    # 关闭连接
    if conn:
        conn.close()

获取查询结果的列信息

如果你需要获取查询结果的列信息，如列名、数据类型等，可以使用cursor.description属性。

# 创建游标对象
cursor = conn.cursor()
# 执行查询
cursor.execute("SELECT column1, column2 FROM your_table")
# 获取列名
column_names = [column[0] for column in cursor.description]
# 获取列类型
column_types = [column[1] for column in cursor.description]
# 处理查询结果
result = cursor.fetchall()
for row in result:
    for name, value in zip(column_names, row):
        print(f"{name}: {value}")
# 关闭游标
cursor.close()

处理查询结果中的NULL值

在查询结果中，某些列的值可能为NULL。pymssql将NULL值表示为Python中的None。你可以使用条件语句来处理查询结果中的NULL值。

cursor.execute("SELECT column1, column2 FROM your_table")
result = cursor.fetchall()
for row in result:
    column1_value = row[0] if row[0] is not None else 'N/A'
    column2_value = row[1] if row[1] is not None else 'N/A'
    # 处理数据

执行存储过程并获取输出参数

如果你需要执行MSSQL数据库中的存储过程，并获取输出参数的值，可以使用pymssql提供的callproc()方法。使用callproc()方法执行名为your_stored_procedure_name的存储过程，并传递参数param1和param2。然后，可以使用getoutputparams()方法获取输出参数的值。

# 创建游标对象
cursor = conn.cursor()
# 执行存储过程
cursor.callproc('your_stored_procedure_name', (param1, param2))
# 获取输出参数的值
output_param1 = cursor.getoutputparams()[0]
output_param2 = cursor.getoutputparams()[1]
# 关闭游标
cursor.close()

批量更新数据

如果你需要批量更新数据库中的数据，可以使用pymssql的executemany()方法。

# 创建游标对象
cursor = conn.cursor()
# 定义更新语句和数据
update_query = "UPDATE your_table SET column1 = %s WHERE id = %s"
data = [('new_value1', 1), ('new_value2', 2), ('new_value3', 3)]
# 执行批量更新
cursor.executemany(update_query, data)
# 提交事务
conn.commit()
# 关闭游标
cursor.close()

使用with语句自动管理连接和事务

使用with语句可以更方便地管理数据库连接和事务，确保资源的正确释放和事务的提交或回滚。

# 使用with语句管理连接和事务
with pymssql.connect(server='server_name', database='database_name', user='username', password='password') as conn:
    # 创建游标对象
    cursor = conn.cursor()
    try:
        # 执行数据库操作
        cursor.execute("INSERT INTO your_table (column1, column2) VALUES ('value1', 'value2')")
        cursor.execute("UPDATE your_table SET column1 = 'new_value' WHERE id = 1")
        # 提交事务
        conn.commit()
    except Exception as e:
        # 回滚事务
        conn.rollback()
        print("Error:", e)
    # 关闭游标
    cursor.close()

异步操作

如果你需要执行异步的MSSQL数据库操作，pymssql提供了对异步IO的支持。可以使用pymssql.connect()的asynchronous=True参数来创建异步连接，以及cursor.execute()的as_dict=True参数来执行异步查询并返回字典格式的结果。使用asyncio模块创建了一个异步的主函数main()，在其中创建了异步连接和游标，并执行了异步查询。最后，我们使用事件循环运行异步任务。

import asyncio
import pymssql
async def main():
    # 创建异步连接
    conn = await pymssql.connect(server='server_name', database='database_name', user='username', password='password', asynchronous=True)
    # 创建异步游标
    cursor = conn.cursor(as_dict=True)
    # 执行异步查询
    await cursor.execute("SELECT * FROM your_table")
    # 获取结果
    result = await cursor.fetchall()
    # 处理查询结果
    for row in result:
        # 处理数据
    # 关闭游标和连接
    await cursor.close()
    await conn.close()
# 创建事件循环并运行异步任务
loop = asyncio.get_event_loop()
loop.run_until_complete(main())

使用连接池

连接池是一种用于管理数据库连接的技术，它可以提高应用程序的性能和可扩展性。pymssql支持使用连接池来管理数据库连接。使用连接池可以减少连接的创建和销毁开销，并提供连接的复用，从而提高应用程序的性能和可扩展性。

from pymssql import pool
# 创建连接池
pool = pool.ConnectionPool(server='server_name', database='database_name', user='username', password='password', max_connections=5)
# 从连接池获取连接
conn = pool.get_connection()
# 执行数据库操作
cursor = conn.cursor()
cursor.execute("SELECT * FROM your_table")
result = cursor.fetchall()
# 处理查询结果
for row in result:
    # 处理数据
# 关闭游标和连接
cursor.close()
conn.close()

总结

到此这篇关于python中使用pymssql库操作MSSQL数据库的文章就介绍到这了,更多相关python pymssql操作MSSQL内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

Python 存储字符串时节省空间的方法
这篇文章主要介绍了Python 存储字符串时节省空间的方法,非常不错，具有一定的参考借鉴价值，需要的朋友可以参考下
2019-04-04
基于Python实现天天酷跑功能
这篇文章主要介绍了基于Python实现天天酷跑功能,本文通过实例代码给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下
2021-01-01
Python XML模块数据解析与生成利器的使用掌握
这篇文章主要为大家介绍了Python XML模块数据解析与生成利器的使用实例,有需要的朋友可以借鉴参考下,希望能够有所帮助,祝大家多多进步,早日升职加薪
2024-01-01
linux环境中没有网络怎么下载python
在本篇文章里小编给大家分享了关于linux环境中没有网络怎么下载python的相关知识点内容，需要的朋友们参考下。
2019-07-07
pandas read_excel()和to_excel()函数解析
这篇文章主要介绍了pandas read_excel()和to_excel()函数解析，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
2019-09-09
Python使用pynlpir进行中文分词并保留段落信息
nlpir是由张华平博士开发的中文自然处理工具,可以对中文文本进行分词、聚类分析等,本文主要介绍了使用pynlpir进行中文分词并保留段落信息的具体方法,希望对大家有所帮助
2024-03-03
Django获取该数据的上一条和下一条方法
今天小编就为大家分享一篇Django获取该数据的上一条和下一条方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2019-08-08
剖析Django中模版标签的解析与参数传递
这篇文章主要介绍了剖析Django中模版标签的解析与参数传递,Django是重多高人气Python框架中最为著名的一个,需要的朋友可以参考下
2015-07-07
彻底吃透理解Python基础33个关键字详细教程
这篇文章主要为大家介绍了彻底吃透理解Python中33个关键字的详细教程，有需要打好Python基础的同学可以借鉴参考下，希望能成为您成功路上的一块垫脚石
2021-10-10
浅谈python对象数据的读写权限
下面小编就为大家带来一篇浅谈python对象数据的读写权限。小编觉得挺不错的，现在就分享给大家，也给大家做个参考。一起跟随小编过来看看吧
2016-09-09