python网络编程学习笔记(九)：数据库客户端 DB-API

一、DB-API概述

      python支持很多不同的数据库。由于不同的卖家服务器导致和数据库通信的网络协议各有不同。在python的早期版本中，每一种数据库都带有自己的python模块，所有这些模块以不同的方式工作，并提供不同的函数。这种方法不便于编写能够在多种数据库服务器类型中运行的代码，于是DB-API库函数产生。在DB-API中，所有连接数据库的模块即便是底层网络协议不同，也会提供一个共同的接口。这一点和JAVA中的JDBC和ODBC类似。
      DB-API下载地址：http://wiki.python.org/moin/DatabaseProgramming，目前版本是2.0，支持数据库包括IBM DB2、Firebird (and Interbase) 、Informix、Ingres、MySQL、Oracle 、PostgreSQL 、SAP DB (also known as "MaxDB") 、Microsoft SQL Server 、Sybase 等。

二、数据库连接

1、PostgreSQL

有几个模块可以完成python与PostgreSQL的联接，这里主要介绍使用psycopg。
下载地址是：http://initd.org/psycopg/download/。如果没有PostgreSQL，可以从以下地址下载：http://www.postgresql.org/。(关于PostgreSQL的安装等更加详细的介绍，可以见http://wenku.baidu.com/view/8e32d10c6c85ec3a87c2c500.html。)连接PostgreSQL数据库：

代码如下:

import psycopg2
print "connecting to test"##test为数据库名
dbh=psycopg2.connect('dbname=test user=postgres')
print "connection successful"

2、MySQL

对于MySQL，python的接口是已知的MySQLdb或者MySQL-Python，下载地址：http://sourceforge.net/projects/mysql-python/。与PostgreSQL不同的是，MySQLdb connect()函数可以带各种参数，具体如下：

代码如下:

import MySQLdb
print "connecting..."
dbh=MySQLdb.connect(db="test")
print "connection successful."
dbh.close()

三、简单操作（以ＰostgreSQL为例）

这里以ＰostgreSQL为例介绍创建表、查询表等操作。例子中数据库名为test，用户名为postgres，输入一个表名，向表中插入数据并进行查询。具体如下，已进行了注示：

代码如下:

import psycopg2
print "connecting to test"
dbh=psycopg2.connect('dbname=test user=postgres')
print "connection successful"
cur=dbh.cursor()#建立一个cursor对象，返回数据为字典形式
a=raw_input('table list:')＃输入表名
cur.execute("CREATE TABLE %s(myid integer UNIQUE,filename varchar(255))" %a)＃生成表，包含一个字段filename
b=1c='201210310540'
cur.execute("INSERT INTO %s VALUES (%d,%s)"%(a,b,c))#向表中插入记录b,c
cur.execute("SELECT * FROM %s " %a)#查询表中内容
rows=cur.fetchall()＃获得结果集中的所有行
for row in rows:
    print row
dbh.commit()#以上对数据库的操作事务生效
dbh.close()

１、事务

多数数据库支持事务，事务可以将多条对数据库的改动放在一条命令中。在上面的例子中，当未曾执行commit()命令时，以上对数据库的操作均不会生效。另外还有一个函数rollback()，这个函数可以有效的放弃上一次执行commit()或者rollback()之后的改动。这个函数在发现错误，并想放弃已经发出的事务时，非常有效。对于不支持事务的数据库，改变会立刻执行，commit()什么也不做，但rollback()会报错。

２、效率

执行事件的性能很大程序上取决于不同的服务器，一般来说，在每个单独的命令后都提交是更新数据库最慢的方法，但如果一次提交很大数据又会使服务器产生buffer溢出。因此，应该合理处理提交的数量。

四、参数风格
在上面的例子中，使用了printf()一样的类型格式。但实际上，在DB-API中，不同的数据库所支持的参数风络不同，必须选择合适的方法，否则程序不会执行。下面的方法，可以知道当前所支持的类型格式。

代码如下:

>>> import psycopg2
>>> print psycopg2.paramstyle

pyformat这一结果可以看出，当前支持pyformat格式。

针对DB-API说明书，以使用频度由小变大的顺序介绍：

例子：

将下面的数据插入到test数据库中：

12 Twelve
13 Thirteen
14 Fourteen
15 Fifteen

（１）execute一条条插入

代码如下:

cur.execute("INSERT INTO test VALUES (12, 'Twelve')")
cur.execute("INSERT INTO test VALUES (13, 'Thirteen')")
cur.execute("INSERT INTO test VALUES (14, 'Fourteen')")
cur.execute("INSERT INTO test VALUES (15, 'Fifteen')")

这种方法过于低效。

（２）executemany()函数带一个指令和一列指令运行的记录。列表上的每条记录要么是一个list,要么是一个dictionary。

代码如下:

import psycopg2
print "connecting to test"
dbh=psycopg2.connect('dbname=test user=postgres')
print "connection successful"
cur=dbh.cursor()
rows = ({'num': 0, 'text': 'Zero'},
         {'num': 1, 'text': 'Item One'},
         {'num': 2, 'text': 'Item Two'},
         {'num': 3, 'text': 'Three'})
cur.executemany("INSERT INTO test VALUES (%(num)d, %(text)s)", rows)
dbh.commit()
dbh.close()

executemany()主要的缺点是，在需要执行指令前把所有的记录放在内存中。如果数据大的话，这就是一个问题，它会占有系统的所有内存资源。如果executemany()不能满足需要，那么除了execute()之外，还是有可能取得性能优化的。根据DB-API说明，当execute()被周期性调用时，数据库后端可以执行优化。但是它的第一个参数必须指向同一个对象，而不是一个含有相同值的字符串，即在内存中的同一个字符串对象。和executemany()一样，这样并不能保证优化，并且也不能期望execute()运行得比executemany()快。但是如果不能使用executemany()，这就是一个最好的选择。

六、fetchall、fetchmany、fetchone获取数据

fetchall(self):接收全部的返回结果行。

fetchmany(self, size=None):接收size条返回结果行.如果size的值大于返回的结果行的数量,则会返回cursor.arraysize条数据。

fetchone(self):返回一条结果行。

七、获取metadata(元数据)

元数据的英文名称是“Metadata"，它是“关于数据的数据”。如在上面的例子中，Metadata的结果为：

Column(name='id', type_code=23, display_size=None, internal_size=4, precision=None, scale=None, null_ok=None)
Column(name='filename', type_code=1043, display_size=None, internal_size=255, precision=None, scale=None, null_ok=None)

代码如下:

import psycopg2
print "connecting to bbstime"
dbh=psycopg2.connect('dbname=bbstime user=postgres')
print "connection successful"
cur=dbh.cursor()

cur.execute("SELECT * FROM asd")

for column in cur.description:
    print column

dbh.close()

八、计算行数
方法有两种，一种是用len()，一种是用rowcount。

代码如下:

import psycopg2
print "connecting to bbstime"
dbh=psycopg2.connect('dbname=bbstime user=postgres')
print "connection successful"
cur=dbh.cursor()
cur.execute("SELECT * FROM test")
rows=cur.fetchall()
print len(rows)#利用len来计算行数
print "rows:",cur.rowcount#利用rowcount来计算行数
dbh.close()