python中的pymssql操作MSSQL数据库

pymssql是 Python 中用于连接和操作 Microsoft SQL Server 数据库的库之一。它是一个轻量级的库，为 Python 提供了与 SQL Server 进行通信的简单而有效的方法。以下是关于 `pymssql` 库的一些详细介绍：
### 特点：
1. **Pythonic 接口**：`pymssql` 提供了一种 Pythonic 的接口，使得连接和操作 SQL Server 数据库变得简单直观。
2. **轻量级**：该库的实现相对较轻量，因此加载和使用它不会增加太多额外的开销。
3. **跨平台**：`pymssql` 在多个平台上都能够运行，包括 Windows、Linux 和 macOS 等。
### 主要功能：
1. **连接数据库**：`pymssql` 允许你连接到 Microsoft SQL Server 数据库实例。
2. **执行 SQL 语句**：通过 `pymssql`，你可以执行 SQL 查询、插入、更新和删除等操作。
3. **处理事务**：支持事务处理，可以使用 `commit()` 和 `rollback()` 方法来提交或回滚事务。
4. **支持存储过程**：可以执行存储过程，并获取输出参数。
5. **处理结果集**：能够获取 SQL 查询的结果集，并对其进行处理。
6. **连接池支持**：支持使用连接池，提高连接的复用性和效率。
### 注意事项：
1. **参数化查询**：尽可能使用参数化查询，以防止 SQL 注入攻击。
2. **错误处理**：在执行 SQL 查询时，应该适当地处理异常情况。
3. **资源释放**：执行完 SQL 查询后，应该及时关闭游标和连接，以释放资源。
安装pymssql库   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
假设我们有一个名为 CalculateSum 的存储过程，该过程接受两个整数作为输入，并将它们相加，然后将结果返回。我们将使用 Python 脚本执行该存储过程，并获取输出参数（即求和结果）。
首先执行存储过程 CalculateSum，并将参数传递给它。然后，我们执行一个额外的 SELECT 查询来获取输出参数的值，并将其打印出来。
CREATE PROCEDURE CalculateSum
    @param1 INT,
    @param2 INT,
    @sum INT OUTPUT
AS
BEGIN
    SET @sum = @param1 + @param2
END
import pymssql 
# 连接数据库
conn = pymssql.connect(server='your_server_name',
                       user='your_username',
                       password='your_password',
                       database='your_database_name') 
# 创建游标对象
cursor = conn.cursor() 
# 执行存储过程
param1 = 5
param2 = 10
output_param = None  # 初始化输出参数
cursor.execute("EXEC CalculateSum @param1=%s, @param2=%s, @sum OUTPUT", (param1, param2, output_param)) 
# 获取输出参数的值
cursor.execute("SELECT @sum")
output_param = cursor.fetchone()[0] 
# 输出结果
print("Sum:", output_param) 
# 关闭游标和连接
cursor.close()
conn.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()
                       
原文链接：https://blog.csdn.net/book_dw5189/article/details/131278795