Python使用pymssql连接SQL SEVER数据库全流程_开发_开发者

背景介绍

在数据分析领域，经常需要从数据库中获取数据进行分析和处理。而SQL Server是一种常用的关系型数据库管理系统，因此学习如何使用python连接SQL Server数据库并获取数据是非常有用的。

以下是Pythwww.devze.comon使用pymssql连接SQL Server数据库的全流程：

安装pymssql库
本地账号设置
脚本连接
数据导入函数实现

一、安装pymssql

pymssql是Python连接SQL Server数据库的一个库，可以通过pip命令进行安装。在命令行中输入以下命令即可安装：

pip install pymssql

二、本地账号设置

1、设置sa账户的登录密码

在SQL Server Management Studio中，展开“安全性”文件夹，右键单击“登录名”并选择“新建登录名”。在弹出的对话框中，输入登录名“sa”，选择“SQL Server身份验证”，设置密码并确保“登录”选项卡下&lphpdquo;默认数据库”为目标数据库。最后，在“状态”选项卡下选择“启用”并确保“允许连接”复选框被选中。

2、开启双重验证

在SQL Server Management Studio中，右键单击SQL Server实例名称并选择“属性”。在弹出的对话框中，选择“安全性”选项卡，将“身份验证”设置为“SQL Server和Windows身份验证模式”，并选择“应用”以保存更改。

3、开启TCP/IP本地服务

在SQL Server Configuration Manager中，展开“SQL Server网络配置”文件夹，右键单击“协议”文件夹并选择“新建协议”。选择“TCP/IP”协议，右键单击“TCP/IP”协议并选择“属性”。在弹出的对话框中，将“启用”设置为“是”，并确保“IP地址”选项卡下的“TCP动态端口”为空。然后，切换到“IPALL”选项卡，并将“TCP端口”设置为1433（或其他您想要的端口号）。保存更改并重启SQL Server服务。

完成以上步骤后，即可使用Python连接本地SQL Server数据库。

三、脚本连接

做好以上的准备工作，用测试脚本连接（如果连接出错——b’DB-Lib error message 20002，试下在connect函数参数最后面加上tds_version=“7.0” 或者其他值）。

import pymssql

server = '(local)'
database = '订单信息'
username = 'sa'
password = '123456'
# 连接到数据库
conn = pymssql.connect(server=server, user=username, password=password, database=database,tds_version="7.0")#最后一个参js数不是必须的
# 创建游标对象
cursor = conn.cursor()
print('连接成功！')
# 关闭数据库连接
conn.close()

四、数据导入函数

我们成功连接了数据库以后，可以很方便的导出导入数据，以下是一个将数据导入数据库的函数实现

#coding=utf-8
import time
import pymssql
import pandas as pd

def insert_data_to_sql(dfwww.devze.com, server, database, username, password, table_name,mode='Overlay'):
    # 连接到数据库
    conn = pymssql.connect(server=server, user=username, password=password, database=database)
    # 创建游标对象
    cursor = conn.cursor()
    # 获取 DataFrame 对象的字段名和数据类型
    columns = list(df.columns)
    dtypes = df.dtypes
    if mode=='Overlay':
        try:
        #覆盖模式
            cursor.execute("DROP TABLE {}".format(table_name))
        except:
            print('表不存在，直接创建……')
        # 构造创建表的 SQL 语句
        create_table_sql = f'CREATE TABLE [{table_name}] ('
        for col_name, col_type in zip(columns, dtypes):
            if col_type == 'int64':
                create_table_sql += f'[{col_name}] BIGINT,'
            elif col_type == 'float64':
                create_table_sql += f'[{col_name}] FLOAT,'
            elif col_type== 'datetime64[ns]' or '时间' in col_name or '日期' in col_name:
                create_table_sql += f'[{col_name}] DATETIME2(0),'
            elif col_type == 'date':
                create_table_sql += f'[{col_name}] DATE,'
            else:
                create_table_sql += f'[{col_name}] NVARCHAR(max),'
        create_table_sql = create_table_sql.rstrip(',') + ');'
        cursor.execute(create_table_sql)
    # 将 DataFrame 转换成元组列表
    data = [tuple(row) for row in df.fillna(0).values.tolist()]
    # 构造插入数据的 SQL 语句
    insert_sql = f'INSERT INTO [{table_name}] ('
    insert_sql += ','.join([f'[{col_name}]' for col_name in columns]) + ') VALUES android('
    insert_sql += ','.join(['%s'] * len(columns)) + ');'

    # 将数据插入到数据库
    cursor.executemany(insert_sql, data)
    # 提交事务
    conn.commit()
    # 关闭数据库连接
    conn.close()
   # 数据库连接参数