Python如何连接并存储SQL Server数据？-杰瑞科技汇

核心概念

要在 Python 中与 SQL Server 交互，你需要一个“桥梁”，这个桥梁就是 数据库驱动程序，最常用和推荐的驱动是 pyodbc，它是一个开源的 Python 模块，允许 Python 程序通过 ODBC (Open Database Connectivity) 连接到几乎所有的数据库，包括 SQL Server。

（图片来源网络，侵删）

第一步：环境准备

在写代码之前,请确保你已经准备好了以下环境：

安装 Python 驱动

打开你的终端或命令提示符,使用 pip 安装 pyodbc。

pip install pyodbc

安装 ODBC 驱动 (关键步骤！)

pyodbc 本身只是一个接口，它需要调用系统底层的 ODBC 驱动来与 SQL Server 通信，你必须在你的操作系统（Windows, macOS, Linux）上安装相应的 ODBC 驱动。

Windows:
（图片来源网络，侵删）
- 推荐安装: Microsoft ODBC Driver 18 for SQL Server
- 这个驱动是最新、性能最好的版本，安装时，在安装程序界面勾选 "ODBC Driver 18 for SQL Server" 即可。

macOS:

可以使用 Homebrew 安装：

brew update
brew install microsoft/mssql-release/msodbcsql18

Linux (如 Ubuntu):
- 按照官方文档进行安装,通常需要添加 Microsoft 的软件源并安装 msodbcsql18 包，具体步骤可以参考 Microsoft 官方文档。

准备 SQL Server 数据库和表

你需要一个可以连接的 SQL Server 实例，并且有一个数据库和一张表来存储数据。

我们创建一个简单的 Employees 表：

-- 在 SQL Server Management Studio (SSMS) 或其他工具中执行
USE YourDatabaseName; -- 替换为你的数据库名
GO
CREATE TABLE Employees (
    ID INT PRIMARY KEY IDENTITY(1,1),
    FirstName NVARCHAR(50) NOT NULL,
    LastName NVARCHAR(50) NOT NULL,
    Department NVARCHAR(50),
    HireDate DATE
);
GO

第二步：Python 连接与存储代码

我们将分几种常见场景来演示如何存储数据。

存储单条记录（使用参数化查询，最安全）

这是最基本也是最推荐的方式,可以有效防止 SQL 注入攻击。

import pyodbc
# --- 1. 定义连接信息 ---
# 你需要根据你的环境修改这些信息
server = 'your_server_name'  # 'localhost', 'SERVER\\SQLEXPRESS'
database = 'YourDatabaseName' # 你的数据库名
username = 'your_username'    # 你的 SQL Server 用户名
password = 'your_password'    # 你的密码
# 注意：如果你的 SQL Server 配置了 Windows 身份验证，可以这样连接：
# trusted_connection = 'yes'
# connection_string = f'DRIVER={{ODBC Driver 18 for SQL Server}};SERVER={server};DATABASE={database};Trusted_Connection={trusted_connection}'
# --- 2. 创建连接字符串 ---
# 驱动名称请确保与你的系统安装的驱动一致，"ODBC Driver 17 for SQL Server"
# 'TrustServerCertificate=yes' 可以在本地开发时简化 SSL 证书验证，生产环境请谨慎使用
connection_string = f'DRIVER={{ODBC Driver 18 for SQL Server}};SERVER={server};DATABASE={database};UID={username};PWD={password};TrustServerCertificate=yes'
try:
    # --- 3. 建立数据库连接 ---
    conn = pyodbc.connect(connection_string)
    print("成功连接到 SQL Server!")
    # --- 4. 创建一个游标对象 ---
    # 游标用于执行 SQL 语句
    cursor = conn.cursor()
    # --- 5. 定义要执行的 SQL 插入语句 (使用参数化查询) ---
    # 使用 ? 作为占位符，这是 pyodbc 的标准做法
    sql_insert_query = "INSERT INTO Employees (FirstName, LastName, Department, HireDate) VALUES (?, ?, ?, ?)"
    # --- 6. 定义要插入的数据 ---
    employee_data = ('John', 'Doe', 'Engineering', '2025-01-15')
    # --- 7. 执行 SQL 语句 ---
    cursor.execute(sql_insert_query, employee_data)
    # --- 8. 提交事务 ---
    # 如果没有 commit，更改不会被永久保存到数据库中
    conn.commit()
    print(f"成功插入 1 条记录，ID: {cursor.rowcount}")
except pyodbc.Error as e:
    print(f"数据库操作失败: {e}")
    # 如果发生错误，回滚事务
    if conn:
        conn.rollback()
finally:
    # --- 9. 关闭连接 ---
    # 确保连接被关闭，释放资源
    if 'conn' in locals() and conn:
        cursor.close()
        conn.close()
        print("数据库连接已关闭。")

批量插入多条记录（最高效）

当需要插入大量数据时,逐条执行效率很低。pyodbc 的 executemany 方法可以极大地提高性能。

import pyodbc
# 连接信息同上
server = 'your_server_name'
database = 'YourDatabaseName'
username = 'your_username'
password = 'your_password'
connection_string = f'DRIVER={{ODBC Driver 18 for SQL Server}};SERVER={server};DATABASE={database};UID={username};PWD={password};TrustServerCertificate=yes'
try:
    conn = pyodbc.connect(connection_string)
    cursor = conn.cursor()
    # 定义 SQL 插入语句
    sql_insert_query = "INSERT INTO Employees (FirstName, LastName, Department, HireDate) VALUES (?, ?, ?, ?)"
    # 定义一个包含多条记录的列表
    employees_to_insert = [
        ('Jane', 'Smith', 'Marketing', '2025-05-20'),
        ('Peter', 'Jones', 'Sales', '2025-03-10'),
        ('Mary', 'Williams', 'HR', '2025-11-01'),
        ('David', 'Brown', 'Engineering', '2025-02-28')
    ]
    # 使用 executemany 进行批量插入
    cursor.executemany(sql_insert_query, employees_to_insert)
    # 提交事务
    conn.commit()
    print(f"成功批量插入 {cursor.rowcount} 条记录。")
except pyodbc.Error as e:
    print(f"数据库操作失败: {e}")
    if conn:
        conn.rollback()
finally:
    if 'conn' in locals() and conn:
        cursor.close()
        conn.close()
        print("数据库连接已关闭。")

从 Pandas DataFrame 存储数据（数据科学常用）

如果你正在使用 pandas 进行数据分析，可以直接将 DataFrame 存入 SQL Server。

确保你安装了 pandas: pip install pandas

import pyodbc
import pandas as pd
# 连接信息同上
server = 'your_server_name'
database = 'YourDatabaseName'
username = 'your_username'
password = 'your_password'
connection_string = f'DRIVER={{ODBC Driver 18 for SQL Server}};SERVER={server};DATABASE={database};UID={username};PWD={password};TrustServerCertificate=yes'
try:
    # --- 1. 创建一个示例 DataFrame ---
    data = {
        'FirstName': ['Alice', 'Bob', 'Charlie'],
        'LastName': ['Wonder', 'Builder', 'Delta'],
        'Department': ['R&D', 'Operations', 'R&D'],
        'HireDate': pd.to_datetime(['2025-01-01', '2025-02-02', '2025-03-03'])
    }
    df = pd.DataFrame(data)
    # --- 2. 建立连接 ---
    conn = pyodbc.connect(connection_string)
    # --- 3. 使用 to_sql 方法将 DataFrame 写入数据库 ---
    # if_exists='append': 如果表已存在，则追加数据
    # index=False: 不将 DataFrame 的索引列写入数据库
    df.to_sql(
        'Employees',
        conn,
        if_exists='append',
        index=False,
        schema='dbo'  # 指定架构，默认是 dbo
    )
    print(f"成功将 DataFrame 中的 {len(df)} 条记录写入数据库。")
except pyodbc.Error as e:
    print(f"数据库操作失败: {e}")
except Exception as e:
    print(f"发生错误: {e}")
finally:
    if 'conn' in locals() and conn:
        conn.close()
        print("数据库连接已关闭。")

最佳实践和注意事项

始终使用参数化查询：如场景一所示，永远不要用 Python 的字符串拼接来构建 SQL 语句（f"INSERT INTO ... VALUES ('{value1}', ...)"），这极易受到 SQL 注入攻击，参数化查询是防止此问题的标准做法。

使用 with 语句管理连接：with 语句可以确保连接在使用完毕后被自动关闭，即使在代码块中发生了异常，这是一种更安全、更 Pythonic 的方式。

# 使用 with 语句的示例
connection_string = '...'
with pyodbc.connect(connection_string) as conn:
    with conn.cursor() as cursor:
        cursor.execute("SELECT * FROM Employees")
        for row in cursor:
            print(row)
# 连接在这里会自动关闭

事务管理：默认情况下，pyodbc 是在自动提交模式下，这意味着每条 execute 语句都会立即提交，但在进行一系列相关操作时，最好手动开始、提交和回滚事务，以保证数据一致性。

try:
    conn = pyodbc.connect(connection_string)
    conn.autocommit = False  # 关闭自动提交
    cursor = conn.cursor()
    # 执行多个操作...
    cursor.execute("...")
    cursor.execute("...")
    conn.commit() # 所有操作成功后，一次性提交
except Exception as e:
    conn.rollback() # 任一操作失败，全部回滚

处理大数据量：对于非常大的 DataFrame 或数据集，to_sql 方法可能会消耗大量内存，可以考虑分块插入：

# 分块插入
chunk_size = 1000
for i in range(0, len(df), chunk_size):
    chunk = df[i:i + chunk_size]
    chunk.to_sql('Employees', conn, if_exists='append', index=False)

连接字符串：DRIVER 的名称（如 ODBC Driver 18 for SQL Server）必须与你系统上安装的驱动完全匹配，如果不匹配，会报错 "Data source name not found"。

希望这份详细的指南能帮助你在 Python 中顺利地将数据存储到 SQL Server！

Python如何连接并存储SQL Server数据？

核心概念

第一步：环境准备

安装 Python 驱动

安装 ODBC 驱动 (关键步骤！)

准备 SQL Server 数据库和表

第二步：Python 连接与存储代码

存储单条记录（使用参数化查询，最安全）

批量插入多条记录（最高效）

从 Pandas DataFrame 存储数据（数据科学常用）

最佳实践和注意事项

99ANYc3cd6

华硕Z170主板装机步骤有哪些？

Java8 collect方法如何高效使用？

Java int如何转为二进制比特？

如何快速掌握微信公众平台视频教程？

京京信AP2600怎么用？教程步骤详解。

Java Socket编程实例具体怎么实现？

Redis消息队列在Java中如何高效实现？

nohup后台运行jar包如何正确配置？

泰格至尊商业管理软件教程怎么用？

Java POI如何实现Word文档导出？

Python中Redis的srem命令如何使用？

Python数据模型的核心要点是什么？

cdrx6注册机怎么用？安全吗？

PHP与Java的AES加密如何实现互通？

Java Object Map如何高效实现数据映射？

pscc2025安装教程

Python如何连接并存储SQL Server数据？

核心概念

第一步：环境准备

安装 Python 驱动

安装 ODBC 驱动 (关键步骤！)

准备 SQL Server 数据库和表

第二步：Python 连接与存储代码

存储单条记录（使用参数化查询，最安全）

批量插入多条记录（最高效）

从 Pandas DataFrame 存储数据（数据科学常用）

最佳实践和注意事项

相关推荐

Java Socket编程实例具体怎么实现？