在使用 Python 将文件夹中的多个数据表批量导入数据库时，可以采用 `pandas` 和 `sqlalchemy` 等库来实现高效的数据导入。以下是一个完整的示例流程，涵盖从读取文件到导入数据库的步骤。 ### 1. 环境准备 确保安装以下依赖包： ```bash pip install pandas openpyxl sqlalchemy mysql-connector-python ``` 其中： - `pandas` 用于数据读取和处理 - `openpyxl` 用于读取 `.xlsx` 格式的 Excel 文件 - `sqlalchemy` 提供数据库连接和操作接口 - `mysql-connector-python` 是 MySQL 的 Python 驱动 ### 2. 数据库连接配置 ```python from sqlalchemy import create_engine # 配置数据库连接 db_config = { 'user': 'your_username', 'password': 'your_password', 'host': 'localhost', 'database': 'your_database', 'port': '3306' } engine = create_engine(f"mysql+mysqlconnector://{db_config['user']}:{db_config['password']}@{db_config['host']}:{db_config['port']}/{db_config['database']}") ``` ### 3. 批量导入文件夹中的 Excel 文件 ```python import os import pandas as pd folder_path = r'your_folder_path' # 替换为你的文件夹路径 for file in os.listdir(folder_path): file_path = os.path.join(folder_path, file) # 支持 .xls 和 .xlsx 文件 if file.endswith(('.xls', '.xlsx')): df = pd.read_excel(file_path) # 将文件名作为表名（去除扩展名） table_name = os.path.splitext(file)[0] # 导入数据库 df.to_sql(name=table_name, con=engine, if_exists='replace', index=False) print(f"导入完成：{file}") ``` ### 4. 可选优化：批量导入 CSV 文件 如果文件是 CSV 格式，可以使用如下代码： ```python for file in os.listdir(folder_path): file_path = os.path.join(folder_path, file) if file.endswith('.csv'): df = pd.read_csv(file_path, encoding='utf-8') table_name = os.path.splitext(file)[0] df.to_sql(name=table_name, con=engine, if_exists='replace', index=False) print(f"导入完成：{file}") ``` ### 5. 注意事项 - **编码问题**：CSV 文件需确认编码格式，如 `utf-8` 或 `gbk`。 - **性能优化**：对于大数据量文件，可考虑使用 `chunksize` 参数分批导入。 - **表名唯一性**：确保每个文件名不重复，以避免数据库表名冲突。 - **字段类型匹配**：MySQL 表字段类型需与 DataFrame 列类型匹配，否则可能报错。 --- ###