SQLite header and source version mismatch解决方案

SQLite header and source version mismatch

最近需要用到sqlite,去官网下了一个编译安装后打开sqlite3出现SQLite header and source version mismatch这个错误。

这个问题是因为ubuntu里面原来自带了一个老版的sqlite运行库,这个库由一个库文件和一个符号链接组成,位于/usr/lib/i386-linux-gnu目录,分别是libsqlite3.so.0.8.6和一个符号链接到它的libsqlite3.so.0,由于上面进行的autoconf包的sqlite3并不是静态编译,sqlite3就已经被默认安装到了/usr/local/bin里面去了,

所以就会出现库不匹配的情况而程序拒绝执行的问题了。

解决方案:
        由于不知道系统自带的那个老版的sqlite库还会不会有用,暂时就留着它,分别更名为libsqlite3.so.0.8.6_bak和libsqlite3.so.0_bak:
            mv /usr/lib/i386-linux-gnu/libsqlite3.so.0.8.6 /usr/lib/i386-linux-gnu/libsqlite3.so.0.8.6_bak

     mv /usr/lib/i386-linux-gnu/libsqlite3.so.0 /usr/lib/i386-linux-gnu/libsqlite3.so.0_bak

    
        然后把刚才编译好的autoconf包里面的这个库复制过去:

    cd /usr/local/lib

    cp libsqlite3.so.0.8.6 /usr/lib/i386-linux-gnu

      cp libsqlite3.so.0 /usr/lib/i386-linux-gnu

这样问题就解决了。


         
      

 



 

转载于:https://www.cnblogs.com/qz1012/p/3198129.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
当你使用pandas.to_sql函数将数据写入SQLite数据库时,可能会遇到“datatype mismatch”错误。这通常是由于pandas自动推断的数据类型与SQLite数据库中的数据类型不匹配导致的。可以尝试以下几种方法解决这个问题: 1. 指定数据类型:可以在to_sql函数中指定数据类型,以确保与数据库中的数据类型匹配。例如: ```python import sqlite3 import pandas as pd conn = sqlite3.connect('example.db') df = pd.DataFrame({'col1': [1, 2, 3], 'col2': ['a', 'b', 'c']}) df.to_sql('mytable', conn, if_exists='replace', index=False, dtype={'col1': 'INTEGER', 'col2': 'TEXT'}) ``` 在这个例子中,我们通过dtype参数指定了每列的数据类型,确保它们与数据库中的数据类型匹配。 2. 先创建表结构:在使用to_sql函数之前,可以先手动创建表结构,以确保每列的数据类型与数据库中的数据类型匹配。例如: ```python import sqlite3 import pandas as pd conn = sqlite3.connect('example.db') c = conn.cursor() c.execute('CREATE TABLE mytable (col1 INTEGER, col2 TEXT)') conn.commit() df = pd.DataFrame({'col1': [1, 2, 3], 'col2': ['a', 'b', 'c']}) df.to_sql('mytable', conn, if_exists='replace', index=False) ``` 在这个例子中,我们先创建了一个名为mytable的表,然后使用to_sql函数将数据写入该表中。由于表结构已经存在,to_sql函数将不再尝试自动推断数据类型,而是直接将数据写入表中。 3. 手动转换数据类型:如果你无法指定数据类型或创建表结构,可以尝试手动将数据类型转换为与数据库中的数据类型相匹配。例如: ```python import sqlite3 import pandas as pd conn = sqlite3.connect('example.db') df = pd.DataFrame({'col1': [1, 2, 3], 'col2': ['a', 'b', 'c']}) # 将col1转换为整数类型,col2转换为字符串类型 df['col1'] = df['col1'].astype(int) df['col2'] = df['col2'].astype(str) df.to_sql('mytable', conn, if_exists='replace', index=False) ``` 在这个例子中,我们通过astype方法手动将每列数据类型转换为与数据库中的数据类型相匹配。这种方法需要手动指定每列的数据类型,但可以确保写入数据库的数据类型与数据库中的数据类型匹配。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值