### 如何将数据插入或保存到 MySQL 数据库 要实现 Python 将数据存储至 MySQL 数据库的操作，可以采用多种方法完成这一目标。以下是基于提供的参考资料以及专业知识的具体说明。 #### 使用 `pymysql` 插入 Excel 文件中的数据 通过 `xlrd` 和 `pymysql` 库可以从 Excel 文件中提取数据并将其写入 MySQL 数据库。具体操作如下： 1. **安装必要的依赖包** 需要先安装 `xlrd` 和 `pymysql` 这两个模块来处理 Excel 文件和连接 MySQL 数据库。 ```bash pip install xlrd pymysql ``` 2. **读取 Excel 文件的数据** 利用 `xlrd` 模块加载 Excel 表格的内容，并逐行获取其中的记录。 3. **建立与 MySQL 的连接** 创建一个类或者函数用于管理数据库连接参数，例如主机地址、端口、用户名、密码等[^2]。 4. **执行 SQL 查询语句** 构造一条适合当前需求的 INSERT INTO 语句，动态填充来自 Excel 的字段值。 ```python import pymysql import xlrd def connect_to_mysql(): connection = pymysql.connect( host='localhost', user='root', password='your_password', database='test_db' ) return connection workbook = xlrd.open_workbook('example.xls') sheet = workbook.sheet_by_index(0) connection = connect_to_mysql() cursor = connection.cursor() for row_idx in range(sheet.nrows)[1:]: values = sheet.row_values(row_idx) query = f"INSERT INTO your_table (column1, column2) VALUES ('{values[0]}', '{values[1]}')" cursor.execute(query) connection.commit() cursor.close() connection.close() ``` 上述代码片段展示了如何利用循环遍历每一行Excel表格内容，并逐一插入到指定的目标表里[^1]。 #### DataFrame 存储到 MySQL 当涉及到 pandas 的 DataFrame 对象时，则可以通过更简洁的方式一次性导入整个数据集进入关系型数据库系统之中。下面给出了一种典型做法: 定义好相应的配置项之后，借助 Pandas 提供的方法可以直接完成这项工作而无需手动拼接SQL字符串。 ```python from sqlalchemy import create_engine import pandas as pd engine = create_engine(f'mysql+pymysql://{sqlConfig.db_user}:{sqlConfig.db_passwd}@{sqlConfig.db_host}/{sqlConfig.db_name}') df.to_sql(name='table_name', con=engine, if_exists='append', index=False) ``` 这里采用了 SQLAlchemy 来简化数据库交互过程，同时支持更多高级特性如事务控制等等。 #### Web Scraping 结果存入 MYSQL 对于网络爬虫抓取下来的信息同样也可以按照相同逻辑存放到本地的关系型数据库当中去。一般流程包括以下几个方面： - 发起 HTTP 请求获得页面源码； - 解析 HTML 文档结构抽取有用部分； - 整理成标准格式后再提交给后台服务层持久化起来[^3]。 综上所述，无论是哪种形式的数据来源都可以很方便地迁移到 MySQL 平台之上加以管理和分析应用。