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。

2019年10月21日更新：

在目前的版本中存在一个bug：

当使用SQLite实体数据库而非内存数据库的时候，会报如下错误：

sqlalchemy.exc.ProgrammingError: (sqlite3.ProgrammingError) Cannot operate on a closed database.

原因可能是：当我们执行操作的时候，cursor可能已经关闭。

目前gdtroszak已经在分支connection-fix-redux中修复了这个bug

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'))

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

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：

"""