python|python records 连接数据库 pythonrecords连接数据库

Records是Kenneth Reitz for Humans?系列继requests后的又一大作，官方描述为只需编写SQL，其他交给Records，它使得工作流程尽可能简单，同时提供一个优雅的方式处理查询结果。
官方网站： https://github.com/kennethreitz/records
连接数据库

>>> import records >>> db = records.Database('sqlite:///test.db')

Records使用sqlalchemy的create_engine，DBAPI可以完全参照sqlalchemy文档，如下示例列出了连接PostgreSQL，MySQL，Oracle，Microsoft SQL Server， SQLite的DBAPI：
注：DBAPI是符合RFC 1738 Uniform Resource Locators (URL)定义的一种数据库连接方式

"""PostgreSQL""" # default db = records.Database('postgresql://scott:tiger@localhost/mydatabase') # psycopg2 db = records.Database('postgresql+psycopg2://scott:tiger@localhost/mydatabase') # pg8000 db = records.Database('postgresql+pg8000://scott:tiger@localhost/mydatabase')"""MySQL""" # default db = records.Database('mysql://scott:tiger@localhost/foo') # mysqlclient (a maintained fork of MySQL-Python) db = records.Database('mysql+mysqldb://scott:tiger@localhost/foo') # PyMySQL db = records.Database('mysql+pymysql://scott:tiger@localhost/foo')"""Oracle""" db = records.Database('oracle://scott:tiger@127.0.0.1:1521/sidname') db = records.Database('oracle+cx_oracle://scott:tiger@tnsname')"""Microsoft SQL Server""" # pyodbc db = records.Database('mssql+pyodbc://scott:tiger@mydsn') # pymssql db = records.Database('mssql+pymssql://scott:tiger@hostname:port/dbname')"""SQLite""" # for a relative file path db = records.Database('sqlite:///foo.db') # for a absolute file path # UNIX/MAC db = records.Database('sqlite:////absolute/path/to/foo.db') # Windows db = records.Database('sqlite:///C:\\path\\to\\foo.db') # Windows using raw string db = records.Database(r'sqlite:///C:\path\to\foo.db') # for a memory database db = records.Database('sqlite://')

查询 Records可以方便的使用SQL语句来查询数据，通过调用query方法，对返回的结果，我们无需过多处理，就可以方便的使用。

>>> rows = db.query('SELECT * FROM users')

对于查询语句来说，Records返回的是一个Record对象或Record对象的一个列表。我们可以调用Record对象内置方法，比如：
as_dict() 作为一个字典返回。
as_dict(ordered=True) 作为一个OrderedDict返回。
我们还可以像操作字典一样去操作Record对象，比如使用keys()和values()

# 处理单条数据 >>> rows[0] >>> rows[0].as_dict() {'id': 1, 'name': '张三', 'age': '27', 'city': '南京'} >>> rows[0].name '张三' >>> rows[0].get('city') '南京'

# 处理多条数据 >>> rows.all() [, , , ]>>> rows.as_dict() [{'id': 1, 'name': '张三', 'age': '27', 'city': '南京'}, {'id': 2, 'name': '李四', 'age': '32', 'city': '深圳'}, {'id': 3, 'name': '王五', 'age': '27', 'city': '上海'}, {'id': 4, 'name': '张三', 'age': '27', 'city': '北京'}]

我们也可以像处理任何可迭代对象一样使用循环来遍历每一行数据。

# 循环数据集 >>> for row in rows: print(row.name, row.city)张三南京李四深圳王五上海张三北京

Records使用tablib来处理数据导出，tablib是一个纯Python编写的格式无关的表格数据处理库，使用tablib我们可以方便的将Records对象导出成下列格式：

Excel (Sets + Books)
JSON (Sets + Books)
YAML (Sets + Books)
Pandas DataFrames (Sets)
HTML (Sets)
Jira (Sets)
TSV (Sets)
ODS (Sets)
CSV (Sets)
DBF (Sets)

在Records类中，内置了一个dataset属性，用来生成一个tablib的Dataset对象，也提供了一个export方法，可以将Dataset对象转化为我们所需要的格式：

>>> print(rows.dataset) id|name|age|city --|----|---|---- 1 |张三|27 |南京 2 |李四|32 |深圳 3 |王五|27 |上海 4 |张三|27 |北京>>> rows.export('json') '[{"id": 1, "name": "\\u5f20\\u4e09", "age": "27", "city": "\\u5357\\u4eac"}, {"id": 2, "name": "\\u674e\\u56db", "age": "32", "city": "\\u6df1\\u5733"}, {"id": 3, "name": "\\u738b\\u4e94", "age": "27", "city": "\\u4e0a\\u6d77"}, {"id": 4, "name": "\\u5f20\\u4e09", "age": "27", "city": "\\u5317\\u4eac"}]'>>> print(rows.export('tsv')) idnameage city 1张三27南京 2李四32深圳 3王五27上海 4张三27北京

xls, xlsx, dbf, ods这类二进制数据，可以直接保存成文件

>>> with open('output.xls', 'wb') as f: f.write(rows.export('xls'))

命令行工具 Records还提供了一个命令行工具，方便的在终端使用：

""" useage: records [] [...] [--url=] records -h """>>> records 'select * from users' tsv --url 'sqlite:///test.db' idnameagecity 1张三27南京 2李四32深圳 3王五27上海 4张三27北京

其他操作正如官方的slogan一样：Records: SQL for Humans?，Records是一个非常简单，但是很强大的，使用原生的SQL语句来处理大部分的关系型数据库的操作。

# INSERT db.query('INSERT INTO users (name, age, city) VALUES (:name, :age, :city)', name=name, age=age, city=city) # UPDATE db.query('UPDATE users SET city="成都" WHERE name = "赵六"')# DELETE db.query('DELETE FROM users WHERE name="赵六"')

【python|python records 连接数据库】文章参考：
http://www.caorongduan.com/index.php/archives/28/