【Python】除了Pandas,还有哪些方法可以连接Mysql数据库？（整理全）

本文链接：https://blog.youkuaiyun.com/Meggie35/article/details/143602817

前段时间因为用不了pandas包，但是数据库还是需要连接，于是我整理了一些，不需要pandas还能连接数据库处理的方法。

使用过后，好用是挺好用的，但是还得是pandas包方便些！

（按本人觉得好用的方法，排在前面，前面的优先）

1. 使用`pymysql`连接MySQL数据库：

pymysql是一个纯Python实现的MySQL客户端库，可以用于与MySQL服务器交互。

import pymysql
conn = pymysql.connect(host='hostname', user='username', password='password', db='database',port=0000) 
cursor = conn.cursor()
cursor.execute("SELECT * FROM table_name")
results = cursor.fetchall()
for row in results:
    print(row)
cursor.close()
conn.close()

以下是转换成json格式或者list格式（我的数据最后处理成list了），方便后期做数据处理的：

import pymysql
conn = pymysql.connect(host='hostname', user='username', password='password', db='database',port=0000)
cursor = conn.cursor()
cursor.execute("SELECT * FROM table_name limit 10")
results = cursor.fetchall(
# 获取查询结果
rows = cursor.fetchall()

# 将查询结果转换为字典列表
rows_list = []
for row in rows:
    rows_list.append(dict(zip([col[0] for col in cursor.description], row)))

# 转换为Json/list
json_result = json.loads(json.dumps(rows_list, indent=4,ensure_ascii=False))

# 打印JSON结果
print(json_result)

# 关闭游标和连接
cursor.close()
conn.close()

在这里插入图片描述

2. 使用`psycopg2`连接PostgreSQL数据库：

import psycopg2
conn = psycopg2.connect("dbname='database_name' user='username' host='hostname' password='password'")
cur = conn.cursor()
cur.execute("SELECT * FROM table_name")

cur.close()
conn.close()

数据处理方法同上，具体的写法：

import psycopg2
import json

# 连接到数据库
conn = psycopg2.connect(
    dbname="database_name",
    user="username",
    password="password",
    host="hostname",
    port="port"
)
cursor = conn.cursor()

# 执行查询
cursor.execute("SELECT * FROM table_name")

# 获取查询结果
rows = cursor.fetchall()

# 将查询结果转换为字典列表
rows_list = []
for row in rows:
    rows_list.append(dict(zip([col.name for col in cursor.description], row)))

# 转换为JSON
json_result = json.dumps(rows_list, indent=4)

# 打印JSON结果
print(json_result)

# 关闭游标和连接
cursor.close()
conn.close()

在这里插入图片描述

3. 使用`sqlite3`连接SQLite数据库：

sqlite3是Python标准库的一部分，提供了一个轻量级的磁盘基础数据库，不需要独立的服务器进程。

import sqlite3
conn = sqlite3.connect('database.db')
cursor = conn.cursor()
cursor.execute("SELECT * FROM table_name")
results = cursor.fetchall()
for row in results:
    print(row)
cursor.close()
conn.close()

在这里插入图片描述

4. 使用`pyodbc`连接多种类型的数据库：

pyodbc是一个Python模块，它提供了一个轻量级的接口到ODBC，可以用于连接多种类型的数据库。

import pyodbc
conn = pyodbc.connect('DRIVER={SQL Server};SERVER=hostname;DATABASE=database_name;UID=username;PWD=password')
cursor = conn.cursor()
cursor.execute("SELECT * FROM table_name")
results = cursor.fetchall()
for row in results:
    print(row)
cursor.close()
conn.close()

在这里插入图片描述

5.使用`sqlalchemy`作为ORM工具：

SQLAlchemy是一个SQL工具包和对象关系映射（ORM）系统，可以用于数据库操作。

from sqlalchemy import create_engine
engine = create_engine('mysql+pymysql://username:password@hostname:port/database_name')
with engine.connect() as connection:
    result = connection.execute("SELECT * FROM table_name")
    for row in result:
        print(row)

我尝试了这种方法，但是我不喜欢前面的with ……的部分，要全部一起运行才可以，这样对代码连续测试来说，真的太不友好了。

最后呈现的格式，有点像元组的格式，个人比较喜欢上面的写法。
在这里插入图片描述

6. 使用`cx_Oracle`连接Oracle数据库：

cx_Oracle是Oracle官方提供的Python扩展，用于访问Oracle数据库。

import cx_Oracle
conn = cx_Oracle.connect('username/password@hostname:port/service_name')
cursor = conn.cursor()
cursor.execute("SELECT * FROM table_name")
results = cursor.fetchall()
for row in results:
    print(row)
cursor.close()
conn.close()