我们在开发过程中经常涉及与数据库进行交互，比如MySQL、Oracle、PostgreSQL、Sqlite，一般，我们使用其对应的Python 第三方模块，实现相关数据库操作，如下

• MySQL数据库：mysql-connector，pymysql
• PostgreSQL数据库：psycopg2
• Oracle数据库： cx_Oracle
• SQLite数据库： sqlite3

但这样却使得我们不得不面临一个问题，代码中涉及不同数据库，操作方式也不尽相同，容易出现代码冗余、不规范，风格不统一等等问题。

后来接触到 Python SQLAlchemy（ORM框架）模块，一定程度上解决了各数据库的SQL差异，但 SQLAlchemy 在消除各数据库SQL差异的同时却会引入各框架CRUD的差异。而我们往往就具有一定的SQL基础，如果一个框架强制用户只能使用其规定的CRUD形式那反而增加用户的学习成本，导致长学习曲线。

同时，个人为人直接地执行SQL而不是使用框架设定的CRUD不应当是一种低级的操作应当是一种被鼓厉的标准化行为。

遇到 Records

Records 是一个非常简单且功能强大的库，适用于大多数关系型数据库的 原始SQL操作，三个字，强无敌。

Records 的特点：

• 基于 SQLAlchemy 和 Tablib 开发。
• 方法非常简单且统一。
• 支持缓存查询的数据.
• 自动实现上下文管理器，不需要关注数据连接状态。
• 支持数据库事务，保持数据的原子性和一致性。
• 支持安全的参数化查询，以安全的形式进行动态参数传递，防止 sql 语句不规范导致的安全问题；
• 支持主流数据库，如 RedShift, Postgres, MySQL, SQLite, Oracle, 和 MS-SQL

Records 安装

我们在Windows 10 Python3环境下，使用pip进行安装 ，安装命令如下：

 pip install records 

安装过程如下：

接下来，我们以SQLite数据库为例，介绍如何使用 Records 进行数据库CRUD操作。

首先，因 Records 是基于 SQLAlchemy 实现的，所以数据库链接方式参考SQLAlchemy ，如下

Records 操作数据的步骤非常的简单，如下：

1. 连接数据库，返回 DB 数据库对象。
2. 使用 query 方法执行 SQL 语句。

创建表

插入数据

Records 支持安全参数化，使用 :variable 定义变量，通过参数传入完成动态传值，非常适合需要动态加载数据的场景，如批量入库操作。

批量插入

SQL 语句实现数据的批量入库时，操作比较冗余，如果入库数据是动态变化的，代码的复杂度变得更高。 Records 提供的 bulk_query 方法能便捷的插入和更新数据。

数据查询

我们可以通过 all 方法获取所有的记录，first 方法获取第一条记录，支持参数如下：

• as_dict=True：参数转成字典形式。
• as_ordereddict=True：转成排序字典形式。

字段获取

执行上述代码，输出结果如下：

支持数据库事务

数据库事务是经常需要使用到的数据库操作，他通常是为了保持数据原子性和一致性。

比如商品销量与存量的数据库操作：

1. 读取商品销量数据。
2. 更新商品销量增加1。
3. 读取商品存量数量。
4. 更新商品存量减少1。

该场景下，我们须保证这 4 步均执行成功。如果第1步已经执行成功，但是到第 3 步发生了错误导致后面数据库操作不能执行，会导致商品销量与存量混乱。records 模块提高了强大的数据库事务支持，通过数据库事务就能避免这种情况，如下：

执行上述代码，我们可以看到，当with中存在失败的执行语句时，历史执行SQL 不生效，如下：

数据导出至xlsx

执行上述代码，实现数据库查询结果的导出到xlsx中，如下：

数据导出为yaml

除此之外，还支持导出为 json, xls, csv, pandas, html 等多种数据格式。