Python更新數據庫腳本兩種方法及對比介紹
最近項目的兩次版本迭代中,根據業(yè)務需求的變化,需要對數據庫進行更新,兩次分別使用了不同的方式進行更新。
第一種:使用python的MySQLdb模塊利用原生的sql語句進行更新
import MySQLdb
#主機名
HOST = '127.0.0.1'
#用戶名
USER = "root"
#密碼
PASSWD = "123456"
#數據庫名
DB = "db_name"
# 打開數據庫連接
db=MySQLdb.connect(HOST,USER,PASSWD,DB)
# 獲取操作游標
cursor=db.cursor()
if __name__ == '__main__':
if cursor:
command_a = "update tables_one set status=5 where status=0"
# 使用execute方法執(zhí)行SQL語句
cursor.execute(command_a)
# 提交到數據庫執(zhí)行
db.commit()
command2 = "select field from tables_one where id =12"
ret2 = cursor.execute(command2)
# 獲取所有記錄列表
ret2=cursor.fetchall()
for item in ret2:
command3 = "insert into tables_two(name) values (%s);" % (item[0])
fin=cursor.execute(command3)
db.commit()
# 關閉數據庫連接
db.close()
數據庫查詢三種方式
- fetchone(): 該方法獲取下一個查詢結果集。結果集是一個對象
- fetchall():接收全部的返回結果行.
- rowcount: 這是一個只讀屬性,并返回執(zhí)行execute()方法后影響的行數。
第二種:使用python的框架flask和sqlalchemy進行更新
# -*- coding:utf-8 -*-
from flask import Flask
from flask_sqlalchemy import SQLAlchemy
from sqlalchemy.sql import text
HOST = '127.0.0.1'
USER = "root"
PASSWD = "123456"
DB = "carrier_test"
CHARTSET = "utf8"
app = Flask(__name__,instance_relative_config = True)
#鏈接數據庫路徑
app.config['SQLALCHEMY_DATABASE_URI'] = 'mysql://%s:%s@127.0.0.1:3306/%s?charset=%s' %(USER,PASSWD,DB,CHARTSET)
#如果設置成 True (默認情況),Flask-SQLAlchemy 將會追蹤對象的修改并且發(fā)送信號。這需要額外的內存, 如果不必要的可以禁用它。
app.config['SQLALCHEMY_TRACK_MODIFICATIONS'] = True
#如果設置成 True,SQLAlchemy 將會記錄所有 發(fā)到標準輸出(stderr)的語句,這對調試很有幫助。
app.config['SQLALCHEMY_ECHO'] = False
# 數據庫連接池的大小。默認是數據庫引擎的默認值 (通常是 5)。
app.config['SQLALCHEMY_POOL_SIZE'] = 6
db = SQLAlchemy(app)
class Table_one(db.Model):
__tablename__ = 'table_one'
id = db.Column('id', db.Integer, primary_key=True, autoincrement=True)
com_name = db.Column('com_name', db.String(30), nullable=False)
com_about = db.Column('com_about', db.String(200), nullable=False)
def __repr__(self):
return '<table_one com_name %r>' % self.com_name
class Table_two(db.Model):
__tablename__ = 'table_two'
id = db.Column('id', db.Integer, primary_key=True, autoincrement=True)
reason = db.Column('reason', db.String(128), nullable=True)
create_time = db.Column('create_time', db.TIMESTAMP, server_default=text('now()'))
status = db.Column('status', db.Integer, nullable=False, default=0)
def __repr__(self):
return '<table_two id %r>' % self.id
def db_commit_all(lists):
try:
db.session.add_all(lists)
db.session.commit()
return 'SUCCESS'
except Exception,e:
return 'Fail!!!'
def commits_to_three_judge():
com_sta_obj = Table_one.query.filter_by(com_name='只是測試使用,不用關心表間關系').all()
for ite in com_sta_obj:
ship_obj = Table_two.query.filter_by(id=ite.id).first()
if ship_obj:
if int(ship_obj.status) == 2:
ite.status = 0
print db_commit_all([ite])
print '表同步結束'
64
if __name__=='__main__':
#執(zhí)行更新數據庫函數
commits_to_three_judge()
兩種方式對比:
1.在實際項目中,數據庫的更新 需要用到很多相關函數進行數據的收集,判斷是否滿足條件等,而這些相關函數在項目中都是用 Sqlalchemy進行數據相關操作,比如第二種方法里的db_commit_all()函數
2.使用第二種方法,直接復制這些函數到腳本中即可,如果使用第一種方法,則需要重寫相關函數,增加開發(fā)時間,浪費精力。
3.如果項目中是使用flask進行開發(fā),推薦使用第二種方法進行數據庫更新。
總結
以上所述是小編給大家介紹的Python更新數據庫腳本兩種方法,希望對大家有所幫助,如果大家有任何疑問請給我留言,小編會及時回復大家的。在此也非常感謝大家對腳本之家網站的支持!
相關文章
jupyter notebook 調用環(huán)境中的Keras或者pytorch教程
這篇文章主要介紹了jupyter notebook 調用環(huán)境中的Keras或者pytorch教程,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2020-04-04
將不規(guī)則的Python多維數組拉平到一維的方法實現
這篇文章主要介紹了將不規(guī)則的Python多維數組拉平到一維的方法實現,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧2021-01-01

