不使用 ODBC 驱动的情况下，仍然可以使用 Python 来读取 `.mdb` 文件。主要的方式是利用专门针对 Access 数据库的第三方库，如 `pymdblib2` 或者更常用的 ` mdbtools` 结合 Python 封装工具 `pandas-mdb` 等。以下是几种可行的方法： ### 方法一：使用 `mdb-tools` #### 步骤 1：安装 `mdbtools` 对于 Linux 用户可以直接通过包管理器安装 `mdbtools`，而对于 Windows 和 macOS 用户则可能需要自行编译或寻找预构建的二进制文件。 - **Linux**（例如 Ubuntu）: ```sh sudo apt-get update && sudo apt-get install -y mdbtools ``` - **Windows/macOS**: 可能需要手动下载并配置环境变量指向可执行文件的位置。 #### 步骤 2：在 Python 中调用 `mdbtools` 借助子进程模块 (`subprocess`)，可以在 Python 中运行命令行工具来进行数据导出和导入操作。 ```python import subprocess import pandas as pd from io import StringIO def run_mdb_sql(mdb_file, sql_query): cmd = ['mdb-sql', '-d', ',', f'-i {mdb_file}', "-q", '"{}"'.format(sql_query)] result = subprocess.run(' '.join(cmd), shell=True, capture_output=True, text=True) if result.returncode != 0: raise RuntimeError("Error executing SQL query on MDB file.") return result.stdout.strip() # 示例用法 file_path = r'C:\Users\slsun\Desktop\TEST\190LDI25.8V23.2PM-V14.3.MDB' query = "SELECT * FROM YourTableName;" data_csv = run_mdb_sql(file_path, query) df = pd.read_csv(StringIO(data_csv)) print(df.head()) ``` 这种方法的优点是可以跨平台使用，并且不需要额外的商业许可。缺点在于依赖外部工具链并且性能不如直接通过 API 访问数据库高效。 ### 方法二：使用 `pandas-mdb` 这是一个专门为简化从 .mdb 文件加载 DataFrame 设计的小型包装器。它可以自动处理由 `mdb-export` 工具生成的结果集并将它们转换成 Pandas DataFrames 格式供后续分析使用。 #### 安装 首先你需要确保已经在系统上安装好了 `mdbtools` 并将其添加到了 PATH 中。接着可以用 pip 安装这个库： ```bash pip install pandas-mdb ``` #### 使用例子 ```python import pandas_mdb as pdb filename = r'C:\Users\slsun\Desktop\TEST\190LDI25.8V23.2PM-V14.3.MDB' table_name = 'YourTableName' # 加载整个表为Pandas dataframe df = pdb.load(filename)[table_name] print(df.head()) # 或者指定SQL查询 sql_query = "SELECT TOP 10 * FROM {};".format(table_name) df_custom = pdb.query(filename, sql_query) print(df_custom) ``` 以上两种方法都提供了无需 ODBC 驱动即可访问 `.mdb` 文件的能力，但需要注意的是这些替代方案可能会缺乏某些高级功能和支持，并且速度也可能较慢于原生解决方案。