我們在開發過程中經常涉及與數據庫進行交互，比如MySQL、Oracle、PostgreSQL、Sqlite，一般，我們使用其對應的Python 第三方模塊，實現相關數據庫操作，如下

• MySQL數據庫：mysql-connector，pymysql
• PostgreSQL數據庫：psycopg2
• Oracle數據庫： cx_Oracle
• SQLite數據庫： sqlite3

但這樣卻使得我們不得不面臨一個問題，代碼中涉及不同數據庫，操作方式也不盡相同，容易出現代碼冗餘、不規範，風格不統一等等問題。

後來接觸到 Python SQLAlchemy（ORM框架）模塊，一定程度上解決了各數據庫的SQL差異，但 SQLAlchemy 在消除各數據庫SQL差異的同時卻會引入各框架CRUD的差異。而我們往往就具有一定的SQL基礎，如果一個框架強制用戶只能使用其規定的CRUD形式那反而增加用戶的學習成本，導致長學習曲線。

同時，個人為人直接地執行SQL而不是使用框架設定的CRUD不應當是一種低級的操作應當是一種被鼓厲的標準化行為。

遇到 Records

Records 是一個非常簡單且功能強大的庫，適用於大多數關係型數據庫的 原始SQL操作，三個字，強無敵。

Records 的特點：

• 基於 SQLAlchemy 和 Tablib 開發。
• 方法非常簡單且統一。
• 支持緩存查詢的數據.
• 自動實現上下文管理器，不需要關注數據連接狀態。
• 支持數據庫事務，保持數據的原子性和一致性。
• 支持安全的參數化查詢，以安全的形式進行動態參數傳遞，防止 sql 語句不規範導致的安全問題；
• 支持主流數據庫，如 RedShift, Postgres, MySQL, SQLite, Oracle, 和 MS-SQL

Records 安裝

我們在Windows 10 Python3環境下，使用pip進行安裝 ，安裝命令如下：

 pip install records 

安裝過程如下：

接下來，我們以SQLite數據庫為例，介紹如何使用 Records 進行數據庫CRUD操作。

首先，因 Records 是基於 SQLAlchemy 實現的，所以數據庫鏈接方式參考SQLAlchemy ，如下

Records 操作數據的步驟非常的簡單，如下：

1. 連接數據庫，返回 DB 數據庫對象。
2. 使用 query 方法執行 SQL 語句。

創建表

插入數據

Records 支持安全參數化，使用 :variable 定義變量，通過參數傳入完成動態傳值，非常適合需要動態加載數據的場景，如批量入庫操作。

批量插入

SQL 語句實現數據的批量入庫時，操作比較冗餘，如果入庫數據是動態變化的，代碼的複雜度變得更高。 Records 提供的 bulk_query 方法能便捷的插入和更新數據。

數據查詢

我們可以通過 all 方法獲取所有的記錄，first 方法獲取第一條記錄，支持參數如下：

• as_dict=True：參數轉成字典形式。
• as_ordereddict=True：轉成排序字典形式。

字段獲取

執行上述代碼，輸出結果如下：

支持數據庫事務

數據庫事務是經常需要使用到的數據庫操作，他通常是為了保持數據原子性和一致性。

比如商品銷量與存量的數據庫操作：

1. 讀取商品銷量數據。
2. 更新商品銷量增加1。
3. 讀取商品存量數量。
4. 更新商品存量減少1。

該場景下，我們須保證這 4 步均執行成功。如果第1步已經執行成功，但是到第 3 步發生了錯誤導致後面數據庫操作不能執行，會導致商品銷量與存量混亂。records 模塊提高了強大的數據庫事務支持，通過數據庫事務就能避免這種情況，如下：

執行上述代碼，我們可以看到，當with中存在失敗的執行語句時，歷史執行SQL 不生效，如下：

數據導出至xlsx

執行上述代碼，實現數據庫查詢結果的導出到xlsx中，如下：

數據導出為yaml

除此之外，還支持導出為 json, xls, csv, pandas, html 等多種數據格式。

"

我們在開發過程中經常涉及與數據庫進行交互，比如MySQL、Oracle、PostgreSQL、Sqlite，一般，我們使用其對應的Python 第三方模塊，實現相關數據庫操作，如下

• MySQL數據庫：mysql-connector，pymysql
• PostgreSQL數據庫：psycopg2
• Oracle數據庫： cx_Oracle
• SQLite數據庫： sqlite3

但這樣卻使得我們不得不面臨一個問題，代碼中涉及不同數據庫，操作方式也不盡相同，容易出現代碼冗餘、不規範，風格不統一等等問題。

後來接觸到 Python SQLAlchemy（ORM框架）模塊，一定程度上解決了各數據庫的SQL差異，但 SQLAlchemy 在消除各數據庫SQL差異的同時卻會引入各框架CRUD的差異。而我們往往就具有一定的SQL基礎，如果一個框架強制用戶只能使用其規定的CRUD形式那反而增加用戶的學習成本，導致長學習曲線。

同時，個人為人直接地執行SQL而不是使用框架設定的CRUD不應當是一種低級的操作應當是一種被鼓厲的標準化行為。

---

遇到 Records

Records 是一個非常簡單且功能強大的庫，適用於大多數關係型數據庫的 原始SQL操作，三個字，強無敵。

Records 的特點：

• 基於 SQLAlchemy 和 Tablib 開發。
• 方法非常簡單且統一。
• 支持緩存查詢的數據.
• 自動實現上下文管理器，不需要關注數據連接狀態。
• 支持數據庫事務，保持數據的原子性和一致性。
• 支持安全的參數化查詢，以安全的形式進行動態參數傳遞，防止 sql 語句不規範導致的安全問題；
• 支持主流數據庫，如 RedShift, Postgres, MySQL, SQLite, Oracle, 和 MS-SQL

---

Records 安裝

我們在Windows 10 Python3環境下，使用pip進行安裝 ，安裝命令如下：

 pip install records 

安裝過程如下：

接下來，我們以SQLite數據庫為例，介紹如何使用 Records 進行數據庫CRUD操作。

---

首先，因 Records 是基於 SQLAlchemy 實現的，所以數據庫鏈接方式參考SQLAlchemy ，如下

Records 操作數據的步驟非常的簡單，如下：

1. 連接數據庫，返回 DB 數據庫對象。
2. 使用 query 方法執行 SQL 語句。

---

創建表

插入數據

Records 支持安全參數化，使用 :variable 定義變量，通過參數傳入完成動態傳值，非常適合需要動態加載數據的場景，如批量入庫操作。

---

批量插入

SQL 語句實現數據的批量入庫時，操作比較冗餘，如果入庫數據是動態變化的，代碼的複雜度變得更高。 Records 提供的 bulk_query 方法能便捷的插入和更新數據。

---

數據查詢

我們可以通過 all 方法獲取所有的記錄，first 方法獲取第一條記錄，支持參數如下：

• as_dict=True：參數轉成字典形式。
• as_ordereddict=True：轉成排序字典形式。

---

字段獲取

執行上述代碼，輸出結果如下：

---

支持數據庫事務

數據庫事務是經常需要使用到的數據庫操作，他通常是為了保持數據原子性和一致性。

比如商品銷量與存量的數據庫操作：

1. 讀取商品銷量數據。
2. 更新商品銷量增加1。
3. 讀取商品存量數量。
4. 更新商品存量減少1。

該場景下，我們須保證這 4 步均執行成功。如果第1步已經執行成功，但是到第 3 步發生了錯誤導致後面數據庫操作不能執行，會導致商品銷量與存量混亂。records 模塊提高了強大的數據庫事務支持，通過數據庫事務就能避免這種情況，如下：

執行上述代碼，我們可以看到，當with中存在失敗的執行語句時，歷史執行SQL 不生效，如下：

---

數據導出至xlsx

執行上述代碼，實現數據庫查詢結果的導出到xlsx中，如下：

---

數據導出為yaml

除此之外，還支持導出為 json, xls, csv, pandas, html 等多種數據格式。

---

"