Zeilenobjekte in mssql-python

Der mssql-python-Treiber liefert Zeilendaten als Row Objekte aus Abrufoperationen zurück. Diese Objekte bieten flexible Zugriffsmuster:

  • Attributzugriff (row.ColumnName) ist die lesbarste Wahl für benannte Spalten. Verwenden Sie es, wenn Ihre Abfrage eine bekannte, stabile Spaltenliste hat.
  • String-Key-Zugriff (row['ColumnName']) bietet einen wörterbuchähnlichen Zugriff auf Spalten nach Namen, was nützlich ist, wenn Sie programmatische Spaltensuche benötigen oder wenn Spaltennamen Leerzeichen oder Sonderzeichen enthalten.
  • Indexzugriff (row[0]) ist nützlich für dynamische Abfragen, bei denen Spaltennamen zur Entwicklungszeit nicht bekannt sind, oder bei der Verarbeitung SELECT * von Ergebnissen.
  • Tuple-Unpacking (a, b, c = row) ist die prägnanteste Wahl für Schleifenkörper mit einer kleinen, festen Anzahl von Spalten.

Attributzugriff

Zugriff auf Spaltenwerte direkt nach Namen:

import mssql_python

conn = mssql_python.connect(connection_string)
cursor = conn.cursor()

cursor.execute("SELECT ProductID, Name, ListPrice FROM Production.Product WHERE ProductID = 1")
row = cursor.fetchone()

print(row.ProductID)     # 1
print(row.Name)          # 'Adjustable Race'
print(row.ListPrice)     # 0.00

Groß- und Kleinschreibung

Der Zugriff auf den Spaltennamen ist groß- und schreibungsabhängig und entspricht den von SQL Server zurückgegebenen Spaltennamen. Wenn Ihre Datenbank inkonsistente Gehäuse verwendet, verwenden Sie SQL-Aliase AS zur Normalisierung von Namen oder aktivieren Sie die lowercase Moduleinstellung (siehe Modulkonfiguration):

cursor.execute("SELECT FirstName, LastName, EmailPromotion FROM Person.Person WHERE BusinessEntityID < 10")
row = cursor.fetchone()

print(row.FirstName)      # Works
print(row.LastName)       # Works
print(row.EmailPromotion) # Works
print(row.firstname)      # AttributeError - wrong case

Spaltenaliase

Verwenden Sie SQL-Alias, um freundliche Attributnamen zu erstellen:

cursor.execute("""
    SELECT 
        p.ProductID,
        p.Name,
        c.Name AS Category
    FROM Production.Product p
    JOIN Production.ProductSubcategory c ON p.ProductSubcategoryID = c.ProductSubcategoryID
    WHERE p.ProductSubcategoryID IS NOT NULL
""")

for row in cursor:
    print(f"{row.Name} ({row.Category})")

Indexzugriff

Zugriffswerte nach nullbasiertem Spaltenindex:

cursor.execute("SELECT ProductID, Name, ListPrice FROM Production.Product WHERE ProductID < 5")
row = cursor.fetchone()

print(row[0])  # ProductID
print(row[1])  # Name
print(row[2])  # ListPrice

Negative Indexierung

Der Treiber unterstützt Python-ähnliche negative Indizierung:

cursor.execute("""
    SELECT Demo.A, Demo.B, Demo.C, Demo.D
    FROM (VALUES (1, 2, 3, 4)) AS Demo(A, B, C, D)
""")
row = cursor.fetchone()

print(row[-1])  # Last column (D)
print(row[-2])  # Second to last (C)

String-Key-Zugang

Greifen Sie auf Spaltenwerte nach Namen mit einer ordbuchähnlichen Syntax zu:

cursor.execute("SELECT ProductID, Name, ListPrice FROM Production.Product WHERE ProductID = 1")
row = cursor.fetchone()

print(row['ProductID'])   # 1
print(row['Name'])        # 'Adjustable Race'
print(row['ListPrice'])   # Decimal('0.00')

Dies ist nützlich, wenn Spaltennamen Leerzeichen oder Sonderzeichen enthalten oder wenn Sie programmatisch auf Spalten zugriffen müssen:

column_name = 'ListPrice'
value = row[column_name]  # Programmatic column access

Aufteilen

Mehrere Werte mit Slices extrahieren:

cursor.execute("""
    SELECT Demo.A, Demo.B, Demo.C, Demo.D, Demo.E
    FROM (VALUES (1, 2, 3, 4, 5)) AS Demo(A, B, C, D, E)
""")
row = cursor.fetchone()

print(row[1:4])    # Columns B, C, D (indices 1, 2, 3)
print(row[:2])     # First two columns (A, B)
print(row[2:])     # From C to end

Tuple-Auspacken

Entpacken Sie Zeilenwerte direkt in Variablen:

cursor.execute("SELECT ProductID, Name, ListPrice FROM Production.Product WHERE ProductID < 10")

for product_id, name, price in cursor:
    print(f"#{product_id}: {name} - ${price}")

Teilteiliges Auspacken

Verwenden * Sie diese zur Erfassung der verbleibenden Werte:

cursor.execute("""
    SELECT TOP 2 ProductID, Name, ProductNumber, Color, Size, Weight
    FROM Production.Product
    WHERE ProductNumber IS NOT NULL
    ORDER BY ProductID
""")

for product_id, name, *rest in cursor:
    print(f"{product_id}: {name}, extra columns: {rest}")

Zeilenlänge und Iteration

Arbeiten Sie mit Zeilendimensionen und iterieren Sie durch Spaltenwerte:

Erhalten Sie die Kolonnenzahl

Verwenden len() Sie, um die Anzahl der Spalten in einer Reihe zu erhalten:

cursor.execute("SELECT * FROM Production.Product WHERE ProductID < 5")
row = cursor.fetchone()

print(len(row))  # Number of columns

Iterieren Sie über Werte

Durchlaufe die Spaltenwerte in der Reihenfolge:

cursor.execute("SELECT ProductID, Name, ListPrice FROM Production.Product WHERE ProductID < 5")
row = cursor.fetchone()

for value in row:
    print(value)

Überprüfen Sie, ob eine Spalte existiert

Verwenden hasattr() Sie, um auf das Vorhandensein eines Spaltennamens zu testen:

# Use hasattr to check for column name
if hasattr(row, 'DiscountPrice'):
    print(f"Discount: {row.DiscountPrice}")
else:
    print("No discount available")

Konvertieren auf integrierte Typen

Zeilenobjekte können in Standard-Python-Typen konvertiert werden, um mit anderen Bibliotheken und APIs zu integrieren:

Konvertiere in Tupel

Konvertiere eine Zeile mit dem tuple() Konstruktor in ein Tupel:

cursor.execute("SELECT ProductID, Name FROM Production.Product WHERE ProductID = 1")
row = cursor.fetchone()

row_tuple = tuple(row)
print(row_tuple)  # (1, 'Adjustable Race')

Zur Liste konvertieren

Konvertiere eine Zeile mit dem list() Konstruktor in eine Liste:

row_list = list(row)
print(row_list)  # [1, 'Adjustable Race']

Zu einem Wörterbuch konvertieren

Konvertiere eine Zeile in ein Wörterbuch, wenn du sie in JSON serialisieren musst, übergebe sie an eine Template-Engine oder verschmelze sie mit anderen Daten. Baue das Wörterbuch aus und Zeilenwerten cursor.description :

cursor.execute("SELECT ProductID, Name, ListPrice FROM Production.Product WHERE ProductID = 1")
row = cursor.fetchone()

# Create dict from description and values
columns = [col[0] for col in cursor.description]
row_dict = dict(zip(columns, row))
print(row_dict)  # {'ProductID': 1, 'Name': 'Adjustable Race', 'ListPrice': Decimal('0.00')}

Helferfunktion für die Diktierumwandlung

Erstelle eine wiederverwendbare Hilfsfunktion, um alle abgerufenen Zeilen in Wörterbücher umzuwandeln:

def rows_to_dicts(cursor):
    """Convert fetched rows to list of dictionaries."""
    columns = [col[0] for col in cursor.description]
    return [dict(zip(columns, row)) for row in cursor.fetchall()]

cursor.execute("SELECT ProductID, Name, ListPrice FROM Production.Product WHERE ProductID < 10")
products = rows_to_dicts(cursor)
for p in products:
    print(p['Name'])

Arbeit mit nullbaren Werten

Der Treiber gibt NULL-Werte als Python Nonezurück:

cursor.execute("SELECT FirstName, MiddleName, LastName FROM Person.Person WHERE BusinessEntityID = 1")
row = cursor.fetchone()

if row.MiddleName is None:
    full_name = f"{row.FirstName} {row.LastName}"
else:
    full_name = f"{row.FirstName} {row.MiddleName} {row.LastName}"

Arbeit mit cursor.description

Greifen Sie auf Spaltenmetadaten neben Zeilendaten zu:

cursor.execute("SELECT ProductID, Name, ListPrice FROM Production.Product WHERE ProductID < 5")

# Column information
for col in cursor.description:
    print(f"Name: {col[0]}, Type: {col[1]}")

# Fetch with metadata
row = cursor.fetchone()
for i, col in enumerate(cursor.description):
    print(f"{col[0]}: {row[i]}")

Allgemeine Muster

Hier sind praktische Muster für die Arbeit mit Zeilenobjekten in realen Anwendungen:

Prozesszeilen mit benanntem Zugriff

Prozesszeilen mit Attributzugriff für lesbaren, wartbaren Code:

def process_orders(conn):
    cursor = conn.cursor()
    cursor.execute("""
        SELECT SalesOrderID, CustomerID, OrderDate, TotalDue 
        FROM Sales.SalesOrderHeader 
        WHERE Status = 5
    """)
    
    for order in cursor:
        print(f"Order #{order.SalesOrderID}")
        print(f"  Customer: {order.CustomerID}")
        print(f"  Date: {order.OrderDate}")
        print(f"  Total: ${order.TotalDue:.2f}")

Baue Objekte aus Zeilen

Für Anwendungen mit einem Domänenmodell werden Zeilen auf Datenklassen oder typisierte Objekte abgebildet. Dieses Mapping bietet Ihnen IDE-Autovervollständigung, Typprüfung und eine klare Grenze zwischen Datenbankzeilen und Anwendungslogik.

from dataclasses import dataclass
from datetime import date
from decimal import Decimal

@dataclass
class Product:
    id: int
    name: str
    price: Decimal
    created: date

def get_products(conn) -> list[Product]:
    cursor = conn.cursor()
    cursor.execute("SELECT ProductID, Name, ListPrice, SellStartDate FROM Production.Product WHERE ProductID < 10")
    
    return [
        Product(
            id=row.ProductID,
            name=row.Name,
            price=row.ListPrice,
            created=row.SellStartDate
        )
        for row in cursor
    ]

Export zu JSON

Serialisiere Zeilenobjekte zu JSON mit individueller Typbehandlung für Datetime- und Dezimalwerte:

import json
from datetime import date, datetime
from decimal import Decimal

def json_serializer(obj):
    """Custom serializer for non-JSON types."""
    if isinstance(obj, (date, datetime)):
        return obj.isoformat()
    if isinstance(obj, Decimal):
        return float(obj)
    raise TypeError(f"Type {type(obj)} not serializable")

def export_to_json(cursor, filename):
    columns = [col[0] for col in cursor.description]
    rows = [dict(zip(columns, row)) for row in cursor.fetchall()]
    
    with open(filename, 'w') as f:
        json.dump(rows, f, default=json_serializer, indent=2)

cursor.execute("SELECT ProductID, Name, ListPrice FROM Production.Product WHERE ProductID < 10")
export_to_json(cursor, "products.json")

Aggregieren in Gruppen

Gruppieren Sie Zeilen nach einem Spaltenwert und sammeln Sie sie in einem Wörterbuch zur Analyse oder Darstellung:

from collections import defaultdict

cursor.execute("""
    SELECT c.Name AS CategoryName, p.Name AS ProductName, p.ListPrice 
    FROM Production.Product p
    JOIN Production.ProductSubcategory c ON p.ProductSubcategoryID = c.ProductSubcategoryID
    WHERE p.ProductSubcategoryID IS NOT NULL
    ORDER BY c.Name
""")

products_by_category = defaultdict(list)
for row in cursor:
    products_by_category[row.CategoryName].append({
        'name': row.ProductName,
        'price': row.ListPrice
    })

for category, products in products_by_category.items():
    print(f"\n{category}:")
    for p in products:
        print(f"  - {p['name']}: ${p['price']}")

Verwandte Inhalte

  • Last updated on