在 Python 中查询数据库，核心思路是**通过数据库驱动建立连接、创建游标、执行 SQL 语句并获取结果集**。不同数据库（如 MySQL、PostgreSQL、SQLite）对应不同驱动库，但整体流程高度一致。对于生产环境，通常会结合连接池、ORM 框架以及参数化查询来提升性能与安全性。本文将系统讲解 Python 查询数据库的原理、主流方式、代码示例与性能优化策略，帮助你全面掌握 Python 数据查询技术。

---

## 一、Python 查询数据库的基本原理

Python 查询数据库的本质是通过数据库驱动程序（Database Driver）与数据库服务器进行通信。驱动遵循 **DB-API 2.0 规范（PEP 249）**，这是 Python 官方定义的数据库接口标准。根据 Python 官方文档（Python.org, 2023），DB-API 规定了连接对象、游标对象、异常处理等统一接口，使不同数据库驱动具备一致的调用方式。

在实际开发中，Python 查询数据库通常包括四个步骤：建立连接、创建游标、执行 SQL、获取结果。无论是 MySQL、PostgreSQL 还是 SQLite，查询流程结构一致，只是驱动不同。

例如典型流程：

```python
import sqlite3

conn = sqlite3.connect("example.db")
cursor = conn.cursor()
cursor.execute("SELECT * FROM users")
rows = cursor.fetchall()
conn.close()
```

上述代码展示了 Python 查询数据库的标准结构。理解这一结构，有助于后续掌握更复杂的 ORM 查询或连接池管理。

---

## 二、使用 SQLite 查询数据库（入门首选）

SQLite 是 Python 内置支持的轻量级数据库，适合学习与本地测试。Python 标准库自带 `sqlite3` 模块，因此无需额外安装即可实现数据库查询。

### SQLite 查询示例

```python
import sqlite3

conn = sqlite3.connect("test.db")
cursor = conn.cursor()

cursor.execute("CREATE TABLE IF NOT EXISTS users (id INTEGER, name TEXT)")
cursor.execute("INSERT INTO users VALUES (1, 'Alice')")
conn.commit()

cursor.execute("SELECT * FROM users")
result = cursor.fetchall()
print(result)

conn.close()
```

在 SQLite 查询数据库时，常用方法包括：

- `fetchone()`：获取单条数据
- `fetchall()`：获取全部数据
- `fetchmany(size)`：获取指定数量数据

SQLite 的优势在于部署简单，适合开发环境。但在高并发场景下性能有限，因此生产环境多使用 MySQL 或 PostgreSQL。

---

## 三、使用 MySQL 查询数据库（主流生产环境）

MySQL 是当前使用最广泛的关系型数据库之一。Python 查询 MySQL 通常使用 `mysql-connector-python` 或 `PyMySQL` 驱动。

### 安装驱动

```bash
pip install mysql-connector-python
```

### 查询示例

```python
import mysql.connector

conn = mysql.connector.connect(
    host="localhost",
    user="root",
    password="password",
    database="testdb"
)

cursor = conn.cursor()
cursor.execute("SELECT * FROM users")
rows = cursor.fetchall()

for row in rows:
    print(row)

conn.close()
```

根据 Oracle 官方 MySQL 文档（Oracle, 2024），MySQL 支持连接池、事务控制和预编译语句。在 Python 查询数据库时，建议使用参数化查询防止 SQL 注入：

```python
cursor.execute("SELECT * FROM users WHERE id = %s", (user_id,))
```

**参数化查询是数据库安全开发的核心原则**，可有效避免注入攻击风险。

---

## 四、使用 PostgreSQL 查询数据库（高性能场景）

PostgreSQL 以强一致性和复杂查询能力著称。Python 查询 PostgreSQL 通常使用 `psycopg2` 驱动。

### 安装驱动

```bash
pip install psycopg2
```

### 查询示例

```python
import psycopg2

conn = psycopg2.connect(
    dbname="testdb",
    user="postgres",
    password="password",
    host="localhost"
)

cursor = conn.cursor()
cursor.execute("SELECT * FROM users")
rows = cursor.fetchall()

print(rows)
conn.close()
```

PostgreSQL 支持 JSON 查询、全文索引、窗口函数等高级功能。对于复杂数据分析或高并发系统，PostgreSQL 是可靠选择。

---

## 五、原生 SQL 与 ORM 查询对比

在 Python 查询数据库时，可以选择直接使用 SQL，也可以使用 ORM（对象关系映射）框架，如 SQLAlchemy 或 Django ORM。

### 对比表一：原生 SQL 与 ORM

| 对比维度 | 原生 SQL 查询 | ORM 查询 |
|----------|--------------|----------|
| 学习成本 | 低 | 中等 |
| 可读性 | 依赖 SQL 能力 | 面向对象 |
| 性能 | 高 | 略有损耗 |
| 灵活性 | 强 | 中等 |
| 安全性 | 需手动控制 | 内置防注入 |

ORM 示例（SQLAlchemy）：

```python
from sqlalchemy import create_engine, text

engine = create_engine("sqlite:///test.db")
with engine.connect() as conn:
    result = conn.execute(text("SELECT * FROM users"))
    for row in result:
        print(row)
```

ORM 的优势在于提升代码结构清晰度，适合大型项目。但在极致性能场景下，原生 SQL 查询数据库更具优势。

---

## 六、数据库查询性能优化策略

在生产环境中，Python 查询数据库性能优化至关重要。优化策略包括索引设计、分页查询、连接池管理等。

### 对比表二：常见性能优化方法

| 优化方法 | 原理 | 适用场景 |
|----------|------|----------|
| 建立索引 | 加速查询 | 大数据表 |
| 分页查询 | 减少一次性数据量 | 列表展示 |
| 连接池 | 复用连接 | 高并发 |
| 批量查询 | 减少 IO 次数 | 批处理 |

例如分页查询：

```python
cursor.execute("SELECT * FROM users LIMIT %s OFFSET %s", (10, 0))
```

此外，可结合连接池（如 SQLAlchemy 内置池机制）提升并发能力。**避免频繁建立和关闭连接是优化关键。**

---

## 七、常见错误与异常处理

Python 查询数据库时，常见问题包括连接失败、SQL 语法错误、事务未提交等。

示例异常处理：

```python
try:
    cursor.execute("SELECT * FROM users")
except Exception as e:
    print("查询失败：", e)
finally:
    conn.close()
```

良好的异常处理可以提升系统稳定性。在事务场景中，应使用：

```python
conn.commit()
conn.rollback()
```

确保数据一致性。

---

## 八、安全性与最佳实践

数据库查询安全性是开发重点。根据 OWASP 安全指南（OWASP, 2023），SQL 注入仍是常见安全漏洞之一。

安全最佳实践包括：

- 使用参数化查询
- 限制数据库权限
- 避免拼接 SQL 字符串
- 使用 ORM 自动转义

错误示例（不安全）：

```python
cursor.execute("SELECT * FROM users WHERE name = '" + name + "'")
```

正确方式：

```python
cursor.execute("SELECT * FROM users WHERE name = %s", (name,))
```

**参数化查询是防止注入攻击的核心手段。**

---

## 九、总结与未来趋势

Python 查询数据库的核心流程是连接、执行 SQL、获取结果，不同数据库驱动实现方式略有差异。SQLite 适合入门，MySQL 和 PostgreSQL 更适合生产环境。原生 SQL 与 ORM 各有优势，应根据项目规模选择合适方案。

未来趋势方面，数据库访问正在向以下方向发展：

- **异步查询（如 asyncpg）提升并发能力**
- 云数据库与托管服务普及
- 数据安全与合规要求提升
- 向数据分析与 AI 集成扩展

随着 Python 在数据领域的持续扩展，数据库查询技术将更加高性能与智能化。掌握标准查询流程、优化技巧与安全策略，将帮助开发者构建稳定可靠的数据系统。

---

参考与资料来源  
Python 官方文档 - PEP 249 DB-API 2.0（Python.org, 2023）  
MySQL 官方开发文档（Oracle, 2024）  
OWASP SQL Injection Prevention Cheat Sheet（OWASP, 2023）

Python支持多种数据库，通过不同的库来连接。常用的库包括sqlite3（用于SQLite数据库，Python内置支持），pymysql或MySQLdb（连接MySQL数据库），psycopg2（连接PostgreSQL数据库），以及pyodbc（连接SQL Server等数据库）。根据你使用的数据库类型，选择对应的库并安装。

常用的Python数据库连接库

我想用Python访问数据库，应该安装和使用哪些库或模块？

Python连接数据库需要哪些库？

通过Python连接数据库后，使用游标对象执行SQL语句。具体步骤包括：创建数据库连接，获取游标对象，通过游标的execute方法运行查询语句，使用fetchone或者fetchall获取结果，最后关闭游标和连接。这样便可以拿到查询结果进行后续处理。

使用Python执行SQL查询的步骤

用Python写程序查询数据库时，执行SELECT语句的步骤是什么？

如何用Python执行SQL查询语句？

为了保证数据库操作安全，应避免直接拼接SQL字符串，改用参数化查询。Python的数据库API支持传递参数给execute方法，可有效防止SQL注入攻击。另外，保障数据库账号权限最小化，及时关闭连接，和使用加密传输等措施也十分重要。

防止SQL注入及安全建议

用Python查询数据库时，有哪些安全方面的注意事项？

Python操作数据库时如何保证安全？

PingCodeDocs

Python 查询数据库的核心流程是通过数据库驱动建立连接、创建游标、执行 SQL 并获取结果，不同数据库遵循统一接口规范。常见方式包括使用 SQLite、MySQL、PostgreSQL 驱动或 ORM 框架实现数据查询。生产环境应结合参数化查询、索引优化、连接池与异常处理提升性能与安全性。未来趋势将向异步化、高并发和云数据库方向发展。

python怎么查询数据库

用户关注问题