Python批量操作文件写入数据库及从数据库取数据

写在前面

博主工作长期需使用到数据库查询数据，因而接触到了数据库的一些皮毛知识。但是数据库和办公网不能互通，远端访问也没法实现，所以长期以来查询数据都相当麻烦。近期博主在自己的工作电脑上搭建了一个的MySQL数据库，并尝试导入一些数据进去，顺便自己查询，其中遇到了各种各样的问题，才深刻领悟到后端操作的艰难，写篇博客记录一下其中的艰难过程。

• 编译环境：Python3.7
• 编译器：pycharm
• 数据库可视化软件：Navicat premium 15
• 数据库：MySQL 8.0.20

注：以下内容，仅供用于学习交流，而且博主也对相关内容进行的打码处理，文件名和数据库名都是用的XXX来表示的。

数据库搭建

博主的数据库是用的MySQL，用的是CMD命令行方式安装和配置的，网上有很多教程，但是良莠不齐，有空了我专门写一篇博客记录安装过程，这边博客就不说了。不过在安装时，一定要牢记系统给你默认设置的连接密码，如果没记住的话，会让你崩溃，网上教程一堆，能实际解决问题的没两个，这个密码是关键，切记、切记。

数据库可视化软件

博主用的是Navicat premium 15，界面如下：

为什么需要这个软件呢，这个软件可以让你方便的连接你的数据库，也可以在里面写一些查询语句，甚至可以将数据导入到数据库，而且还支持批量导入，总之，非常方便，可以理解为数据库的前端操作软件。但实际使用过程却没有那么友好，比如我导入数据到我的数据库时，经常出现下面的问题：

finished with error
也不告诉你那里出了错，反正就是数据不全，大概只导入了1/4的数据。当然也不是所有的数据导入都会出现这个问题，但是确实头疼，博主网上搜了一堆教程没一个能解释明白的，所以才有了后面用Python导入数据库的尝试。不过用Navicat写查询语句确实方便，你的数据库需要这么个数据库可视化软件，不然你操作数据库，就永远像个黑客一样在CMD里写命令行来操作了。

批量合并数据文件

博主这边有很多txt文件，但都是同一批字段的数据，至于为什么会这样，博主也懒得解释。反正现在的工作是，把这些txt文件合并到一个文件里去，这样导入数据库也方便点不是吗？
当然你也可以自己在excel里面一个个的复制粘贴，但是感觉一是工作量太大，十来个文件还好，几百个文件你要这么操作，能让人抓狂，而且逼格也太低了，现在流行自动化办公。
直接上代码：

# -*- coding: utf-8 -*-
"""
Created on Tue Jul 14 15:25:44 2020

@author: HP
"""

 
#合并一个文件夹下的多个txt文件
#coding=utf-8
import os
import pandas as pd
#获取目标文件夹的路径
filedir = r'C:\xxx\xxx'  
#获取当前文件夹中的文件名称列表
filenames=os.listdir(filedir) 
i=0
data = pd.read_csv(r'C:\xxx\xxx\xxx.txt',sep = '\t')
col = list(data)
data = pd.DataFrame(columns=col)

#先遍历文件名
for filename in filenames:
    i+=1
    print(i)
    if i>0:
        filepath = filedir+'\\'+filename
        print(filepath)
        #遍历单个文件，读取行数
        # datai = pd.read_csv(filepath, sep='\t', dtype=str)
        datai = pd.read_csv(filepath, sep='\t', converters={'item': str})
        data = data.append(datai)
        
        '''
        for line in open(filepath, 'r', encoding='utf-8-sig', errors='ignore'):
            # print(str(line))
            f.writelines(line)
            # f.write('\n')
        '''
#关闭文件
# f.close()

data.to_excel('XXX.xlsx', index=False)

来解释一下代码
filedir = r’C:\xxx\xxx’ 我把所有的文件放在这个文件夹里，注意是一个绝对的路径
filenames=os.listdir(filedir) 获取这个文件夹里面所有的文件列表

data = pd.read_csv(r'D:\xxx\xxx.txt',sep = '\t')
col = list(data)
data = pd.DataFrame(columns=col)

这里几行代码呢，目的是创建一个空的dataframe，这个空的dataframe的列就是上面那个文件夹里面某个文件的列名
后面就是写循环，往列表里面添加数据，然后将列表转换为excel文件了。

        '''
        for line in open(filepath, 'r', encoding='utf-8-sig', errors='ignore'):
            # print(str(line))
            f.writelines(line)
            # f.write('\n')
        '''

博主注释起来的这块代码，是写入txt的方式，看需求，当然，这里f没定义，可以在循环外面定义一下f，比如：

# f=open('result.txt','w')

将数据写入数据库

直接上代码了再解释吧

# -*- coding: utf-8 -*-
"""
Created on Tue Jul 14 17:34:23 2020

@author: HP
"""

"""
功能：将Excel数据导入到MySQL数据库
"""
import xlrd
import MySQLdb
import pandas as pd

d = pd.read_csv('xxx.txt',sep = '\t')
col = list(d)
cols = ','.join(col)

# Open the workbook and define the worksheet
book = xlrd.open_workbook("XXX.xlsx") # excel文件名
# book = xlrd.open_workbook("1.xlsx")
sheet = book.sheet_by_index(0) # excel文件中的sheet名

# 建立一个MySQL连接
database = MySQLdb.connect(host="xxxxxxx", user="xxxx", passwd="xxxxxx", db="xxxxx", charset="utf8")

# 获得游标对象, 用于逐行遍历数据库数据
cursor = database.cursor()

# 创建插入SQL语句
# query = """INSERT INTO acd_file (%s) VALUES (%s)""" %(cols, ss)

# 创建一个for循环迭代读取xls文件每行数据的, 从第二行开始是要跳过标题

data_list = []
for r in range(1, sheet.nrows):
    row_list = []
    for t in range(len(col)):
        value_rt = sheet.cell(r,t).value
        type_rt = sheet.cell(r,t).ctype
        if type_rt == 2:
            value_rt = str(int(value_rt))
        
        row_list.append(value_rt)
    data_list.append(row_list)
    # values = ','.join(data_list)
    # query = """INSERT INTO acd_file (%s) VALUES (%s)""" %(cols, s)
    # 执行sql语句
    # cursor.execute(query, values)

val = ''
for i in range(0, len(col)):
    val = val + '%s,'
    
result =cursor.executemany("insert into xxx (%s) values("  %(cols) + val[:-1] + ")", data_list)
print(result)


# 关闭游标
cursor.close()

# 提交
database.commit()

# 关闭数据库连接
database.close()

# 打印结果
print("")
print("Done! ")
print("")
columns = str(sheet.ncols)
rows = str(sheet.nrows)
print("我刚导入了 ", columns, " 列 and ", rows, " 行数据到MySQL!")

真的挺复杂，也不知道博主能不能讲明白，我挑一些自己认为比较晦涩的代码来解释吧

基础数据导入

d = pd.read_csv('xxx.txt',sep = '\t')
col = list(d)
cols = ','.join(col)

这里主要是把文件的列名变成一串字符串，join函数可以将列表转化为字符串，分割符号是’,'这个逗号

# Open the workbook and define the worksheet
book = xlrd.open_workbook("XXX.xlsx") # excel文件名
# book = xlrd.open_workbook("1.xlsx")
sheet = book.sheet_by_index(0) # excel文件中的sheet名

把上面合并的那个excel文件读进来，并且获取这个excel的sheet名，从上面批量合并数据文件这一步来看，博主其实只有一个sheet。

链接数据库

database = MySQLdb.connect(host="xxxxxxx", user="xxxx", passwd="xxxxxx", db="xxxxx", charset="utf8")

这行代码非常关键，关系到你能否把数据写到数据库里去，connect函数就是用来链接数据库的，里面的参数我来解释一下：

• host：主机名，如果是访问本机数据库的话，一般是localhost，如果是访问网络数据库的话，就要写服务器的网络地址了
• user：用户名，你数据库的用户名，这里就与自己当初搭建的数据库密切相关了
• passwd：这个数据库用户名对应的密码，就是我前面提到的那个密码，很重要、很重要、很重要
• db：你要讲数据写入的数据库名称
• charset：这玩意儿很坑，字符格式，主要看你的数据库是什么样的，我的是utf-8，所以这里我写上了，但很多教程并没有这个，所以经常报错，没写上之前，我也是各种报错

数据处理

data_list = []
for r in range(1, sheet.nrows):
    row_list = []
    for t in range(len(col)):
        value_rt = sheet.cell(r,t).value
        type_rt = sheet.cell(r,t).ctype
        if type_rt == 2:
            value_rt = str(int(value_rt))
        
        row_list.append(value_rt)
    data_list.append(row_list)

这段代码的目的是将表中所有的数据全部取出来，并写入到data_list这个列表中
type_rt = sheet.cell(r,t).ctype用于获取每个字符的类型

ctype : 0 empty,1 string, 2 number, 3 date, 4 boolean, 5 error

我将所有数字型的数据全部转换为字符串，便于完整的写入数据，至于到哪里去把字符串修改回来，这个可以到Navicat里面去设置。当然，这不是最佳的数据处理方式，只是比较适合博主的数据而已

写入数据库

val = ''
for i in range(0, len(col)):
    val = val + '%s,'
    
result =cursor.executemany("insert into xxx (%s) values("  %(cols) + val[:-1] + ")", data_list)

变量val用来生成一串’%s’这个玩意儿，val[:-1]用切片切掉最后一个逗号，其实这里有更简单的写法，像前面一样用join函数

s =['%s']*len(col)
ss = ','.join(s)

这里的ss和val[:-1]是等价的。
executemany是批量写入函数，“insert into xxx (%s) values(” %(cols) + val[:-1] + ")"中的xxx是数据表。还有另外一种写法，不用批量导入，而是用execute函数，每读一行，就写一行，写在循环里面，但是当时老是报错，我就没继续下去了。
后面就是常规的数据库操作了
当然，整个过程不断的报错，比如报错说我的字符串长度太长了，等等，要在数据库里面修改一些参数，可能每个人遇到的问题不一样，遇到了就去网上搜索教程，基本都能解决。
至此完成了数据的写入，接下来看看怎么在Python里查询数据

Python操作数据库查询数据

还是先上代码

# -*- coding: utf-8 -*-
"""
Created on Thu Jul 16 09:33:42 2020

@author: HP
"""

import MySQLdb
import pandas as pd

conn = MySQLdb.connect(
    host="xxxx", 
    user="xxxx", 
    passwd="xxxxx", 
    db="xxxxx", 
    charset="utf8")

cur = conn.cursor()
query = """ select x1, x2, x3, x4 
    from table1
    where x1 >= 1
    and x1 < 100 """
    
cur.execute(query)
result = cur.fetchall()
df_result = pd.DataFrame(list(result), columns=['x1','x2','x3','x4'])

第一步，链接数据库并登陆
第二步，写查询语句，select from where基本查询语法
第三步，执行查询语句
顺利出结果
相对来说，要简单的多

写在后面

从博主决定搭建数据库到最后打通数据库，总体来说，感觉很费劲，也走了很多弯路，给我的感觉就是后端的东西要比前端复杂一点，当然，博主水平有限，也就目前的认知水平这样，前端的东西其实也很复杂，只是我个人接触的相对多一点而已。
不过还是很开心的，毕竟又get了个新技能。