在处理以 `;` 为分隔符的文本文件时，可以通过 Python 读取文件内容并逐行解析，然后将解析后的数据插入到数据库中。该过程包括文件读取、数据解析、数据库连接、数据插入等步骤。 ### 数据读取与解析 使用 Python 的 `open()` 函数逐行读取文本文件内容，并通过 `split(';')` 方法按分隔符进行字段拆分。每行数据将被解析为结构化数据，以便后续插入到数据库中。 ```python with open('data.txt', 'r', encoding='utf-8') as f: for line in f: fields = line.strip().split(';') # 处理解析后的字段数据 ``` 该方法适用于以 `;` 分隔的文本文件，能够将每行数据转换为可操作的字段列表[^1]。 ### 数据库连接与插入 连接数据库后，可以使用 `mysql.connector` 或 `sqlite3` 等模块执行 SQL 插入语句。以下是一个使用 MySQL 的示例： ```python import mysql.connector db_connection = mysql.connector.connect( user="username", password="password", host="localhost", database="mydatabase" ) cursor = db_connection.cursor() with open('data.txt', 'r', encoding='utf-8') as f: for line in f: fields = line.strip().split(';') sql = "INSERT INTO mytable (col1, col2, col3) VALUES (%s, %s, %s)" cursor.execute(sql, (fields[0], fields[1], fields[2])) db_connection.commit() cursor.close() db_connection.close() ``` 该方式通过逐行读取文件并将每行数据插入到数据库中，确保数据完整性和一致性[^3]。 ### 批量插入优化 对于大规模数据导入任务，建议使用 `executemany()` 方法进行批量插入，以减少数据库提交次数，提高导入效率。以下是一个使用 SQLite 的示例： ```python import sqlite3 conn = sqlite3.connect('example.db') cursor = conn.cursor() cursor.execute("CREATE TABLE IF NOT EXISTS mytable (col1 TEXT, col2 TEXT, col3 TEXT)") data = [] with open('data.txt', 'r', encoding='utf-8') as f: for line in f: fields = line.strip().split(';') data.append((fields[0], fields[1], fields[2])) cursor.executemany("INSERT INTO mytable (col1, col2, col3) VALUES (?, ?, ?)", data) conn.commit() conn.close() ``` 通过批量插入方式，可以显著提升数据导入性能，特别是在处理大量数据时[^3]。 ### 数据验证与错误处理 在导入数据前，应对字段数量、格式和类型进行验证，确保其符合数据库表结构。可以使用异常捕获机制处理可能的错误，例如字段缺失或类型不匹配。 ```python try: # 数据库操作 except mysql.connector.Error as err: print(f"Database error: {err}") finally: if 'db_connection' in locals() and db_connection.is_connected(): db_connection.close() ``` 通过上述方式，可以有效处理数据导入过程中的异常情况，确保程序的健壮性[^3]。