### 实现目标 用户希望使用 Python 脚本将 Excel 文件中的数据转换为 MySQL 的 `INSERT` 语句，以便将数据导入数据库。该脚本应能够读取 Excel 文件内容，并根据每行数据生成对应的 SQL 插入语句。 --- ### 数据读取方式 Python 提供了多种库来处理 Excel 文件，其中最常用的是 `pandas` 和 `openpyxl`。`pandas` 是基于 `openpyxl`（用于 `.xlsx` 文件）和 `xlrd`（用于 `.xls` 文件）的封装，具有更简洁的数据操作接口[^2]。 可以使用以下代码加载 Excel 文件： ```python import pandas as pd # 读取Excel文件 df = pd.read_excel("data.xlsx") # 打印前几行查看数据结构 print(df.head()) ``` --- ### 生成 INSERT 语句逻辑 假设 Excel 表格的列名与目标 MySQL 表的字段名一致，可以基于表名和 DataFrame 中的每一行生成 `INSERT INTO` 语句。 以下是生成 SQL 插入语句的基本模板： ```python table_name = "your_table" insert_statements = [] for _, row in df.iterrows(): columns = ", ".join(row.index) values = ", ".join([f"'{str(value)}'" if isinstance(value, (str, pd.Timestamp)) else str(value) for value in row.values]) insert_sql = f"INSERT INTO {table_name} ({columns}) VALUES ({values});" insert_statements.append(insert_sql) # 输出部分SQL语句示例 for stmt in insert_statements[:5]: print(stmt) ``` 上述代码会遍历 DataFrame 的每一行，构造出标准的 `INSERT INTO` 语句，并存入列表中备用。 --- ### 结合 aiomysql 异步写入数据库 如果需要直接异步插入数据到 MySQL 数据库，可结合 `aiomysql` 库进行操作。它提供了异步连接池、事务控制等功能，适合高并发场景下的数据插入任务[^2]。 以下是一个异步插入数据的示例： ```python import asyncio import aiomysql import pandas as pd async def insert_data_async(pool, table_name, df): async with pool.acquire() as conn: async with conn.cursor() as cur: for _, row in df.iterrows(): columns = ", ".join(row.index) values = ", ".join([f"'{str(value)}'" if isinstance(value, (str, pd.Timestamp)) else str(value) for value in row.values]) sql = f"INSERT INTO {table_name} ({columns}) VALUES ({values})" await cur.execute(sql) await conn.commit() async def main(): pool = await aiomysql.create_pool( host='127.0.0.1', user='root', password='password', db='testdb', charset='utf8mb4' ) df = pd.read_excel("data.xlsx") await insert_data_async(pool, "your_table", df) if __name__ == "__main__": asyncio.run(main()) ``` --- ### 注意事项 - 确保 Excel 文件的列名与数据库表字段匹配。 - 对于大型 Excel 文件，建议分批次处理以避免内存溢出。 - 如果字段类型是日期或数字，需注意格式转换。 - 使用参数化查询可以防止 SQL 注入攻击，在实际生产环境中推荐使用预编译语句。 --- ###