### 使用 `pymssql` 在 Python 3.6 中执行带 `WHERE` 子句的 SQL Server 查询 根据参考资料，`pymssql` 是 Python 中用于连接 Microsoft SQL Server 数据库的一个成熟库。要使用 `WHERE` 子句查询特定数据，核心步骤是建立数据库连接、创建游标、执行包含 `WHERE` 子句的 SQL 语句，并处理查询结果。以下是具体方法、最佳实践和完整代码示例。 #### 1. 基本步骤与代码实现 首先，需要安装 `pymssql` 库。在 Python 3.6 环境中，通常可以通过 pip 安装。安装完成后，即可通过以下步骤进行连接和查询 [ref_2]。 ```python # 导入 pymssql 模块 import pymssql # 步骤1：建立数据库连接 # 参数说明：server（服务器地址），user（用户名），password（密码），database（数据库名） conn = pymssql.connect(server='192.168.1.100', # 服务器IP或主机名 user='your_username', password='your_password', database='your_database', charset='UTF-8') # 指定字符集，避免中文乱码 [ref_1] # 步骤2：创建游标对象 cursor = conn.cursor() # 步骤3：编写带 WHERE 子句的 SQL 查询语句，并执行 # 示例：查询 “Employees” 表中 “Department” 为 ‘Sales’ 的所有员工 sql = "SELECT EmployeeID, Name, Department, Salary FROM Employees WHERE Department = 'Sales'" cursor.execute(sql) # 步骤4：获取查询结果 # 获取所有行 rows = cursor.fetchall() for row in rows: print(f"员工ID: {row[0]}, 姓名: {row[1]}, 部门: {row[2]}, 薪资: {row[3]}") # 步骤5：关闭游标和连接 cursor.close() conn.close() ``` #### 2. 使用参数化查询（强烈推荐） 直接拼接 SQL 字符串容易引发 **SQL注入攻击**，且可能因数据类型不匹配导致错误。使用参数化查询是安全且可靠的最佳实践 [ref_5]。`pymssql` 支持使用 `%s` 作为占位符进行参数化查询 [ref_4]。 ```python import pymssql conn = pymssql.connect(server='localhost', user='sa', password='password', database='TestDB') cursor = conn.cursor() # 示例1：使用一个参数进行查询 dept_name = 'Engineering' sql_with_param = "SELECT Name, HireDate FROM Employees WHERE Department = %s" cursor.execute(sql_with_param, (dept_name,)) # 注意参数需要以元组形式传入 # 获取结果 results = cursor.fetchall() for employee in results: print(employee) print("-" * 20) # 示例2：使用多个参数进行查询 min_salary = 50000 dept = 'Sales' sql_multi_params = "SELECT Name, Salary FROM Employees WHERE Salary > %s AND Department = %s" cursor.execute(sql_multi_params, (min_salary, dept)) # 使用 fetchone() 逐条获取结果 row = cursor.fetchone() while row: print(f"姓名: {row[0]}, 薪资: {row[1]}") row = cursor.fetchone() cursor.close() conn.close() ``` #### 3. 处理不同的 WHERE 子句条件 `WHERE` 子句可以组合多种条件。以下表格列举了常见操作符的用法： | 条件类型 | SQL 示例（使用参数化） | Python 代码片段说明 | | :--- | :--- | :--- | | **等于 (=)** | `WHERE Department = %s` | `cursor.execute(sql, (‘IT‘,))` | | **大于/小于 (>, <)** | `WHERE Salary > %s` | `cursor.execute(sql, (45000,))` | | **模糊匹配 (LIKE)** | `WHERE Name LIKE %s` | 参数应为 `’%张%‘` 形式 [ref_6] | | **逻辑运算 (AND, OR)** | `WHERE Dept = %s AND Salary >= %s` | `cursor.execute(sql, (‘Finance‘, 60000))` | | **范围查询 (IN)** | `WHERE EmployeeID IN (%s, %s, %s)` | `cursor.execute(sql, (101, 102, 105))` | ```python # 模糊查询和逻辑运算示例 import pymssql conn = pymssql.connect(server='localhost', user='sa', password='password', database='TestDB') cursor = conn.cursor() # 模糊查询：查找姓名中包含“明”的员工 name_pattern = '%明%' sql_like = "SELECT EmployeeID, Name FROM Employees WHERE Name LIKE %s" cursor.execute(sql_like, (name_pattern,)) print("模糊查询结果:", cursor.fetchall()) # 组合条件查询：查询部门为‘HR’且薪资低于70000的员工 sql_and = "SELECT Name, Salary FROM Employees WHERE Department = %s AND Salary < %s" cursor.execute(sql_and, (‘HR‘, 70000)) print("组合条件查询结果:", cursor.fetchall()) cursor.close() conn.close() ``` #### 4. 完整应用场景示例 假设有一个员工信息管理系统，需要根据用户输入的部门名称和最低薪资门槛来筛选数据。 ```python import pymssql def query_employees_by_dept_and_salary(server, user, password, db, department, min_salary_threshold): """ 根据部门和最低薪资查询员工信息 """ try: # 建立连接 conn = pymssql.connect(server=server, user=user, password=password, database=db, charset='UTF-8') cursor = conn.cursor() # 参数化SQL查询 sql = """ SELECT EmployeeID, Name, Department, Salary, Email FROM Employees WHERE Department = %s AND Salary >= %s ORDER BY Salary DESC """ # 执行查询 cursor.execute(sql, (department, min_salary_threshold)) # 获取列名（可选，便于生成结构化结果） column_names = [desc[0] for desc in cursor.description] # 获取所有数据 employees = cursor.fetchall() print(f"部门 '{department}' 中薪资不低于 {min_salary_threshold} 的员工有 {len(employees)} 位：\n") # 格式化输出为表格形式 print(f"{column_names[0]:<10} {column_names[1]:<10} {column_names[2]:<10} {column_names[3]:<10} {column_names[4]}") print("-" * 60) for emp in employees: print(f"{emp[0]:<10} {emp[1]:<10} {emp[2]:<10} {emp[3]:<10} {emp[4]}") except pymssql.OperationalError as e: print(f"连接数据库失败: {e}") except pymssql.Error as e: print(f"数据库操作错误: {e}") finally: # 确保资源被释放 if ‘cursor‘ in locals(): cursor.close() if ‘conn‘ in locals(): conn.close() # 调用函数示例 if __name__ == '__main__': query_employees_by_dept_and_salary( server='127.0.0.1', user='your_username', password='your_password', db='CompanyDB', department='研发部', # 支持中文查询 [ref_1] min_salary_threshold=80000 ) ``` #### 5. 关键注意事项与排错指南 在实际使用中，可能会遇到以下问题，下表总结了常见原因和解决方案： | 问题现象 | 可能原因 | 解决方案 | | :--- | :--- | :--- | | **连接失败** | 服务器地址、端口、用户名或密码错误；SQL Server 未启用远程连接；防火墙阻止。 | 1. 检查连接参数。2. 在SQL Server配置管理器中启用TCP/IP协议和远程连接 [ref_2]。3. 检查防火墙是否开放1433端口。 | | **查询无结果或错误** | SQL语句语法错误；表名或列名不存在；参数类型不匹配。 | 1. 先在SQL Server管理工具中测试SQL语句。2. 使用参数化查询确保数据类型正确 [ref_5]。 | | **中文乱码** | 连接字符串未指定正确的字符集。 | 在 `connect()` 方法中添加 `charset='UTF-8'` 或 `charset='GBK'` 参数 [ref_1]。 | | **性能问题** | 未使用索引；一次性获取大量数据。 | 1. 确保 `WHERE` 条件的列已建立索引。2. 对于海量数据，使用 `cursor.fetchmany(size)` 分批获取 [ref_4]。 | 通过遵循上述步骤和最佳实践，你可以在 Python 3.6 环境中，安全、高效地使用 `pymssql` 库从 SQL Server 中读取符合特定条件的精确数据。核心在于使用参数化查询来构建 `WHERE` 子句，这既是安全性的要求，也能保证程序的健壮性 [ref_4][ref_5]。