Python sqlite3.Connection.execute 方法
上次修改时间：2025 年 4 月 15 日
这份全面的指南探讨了 Python 的 sqlite3.Connection.execute 方法，这是使用 SQLite 数据库执行 SQL 语句的主要方式。
基本定义
execute 方法在数据库连接上执行单个 SQL 语句。为了方便起见，它可以直接在连接对象上使用。
主要特点：它返回一个游标对象，接受参数化查询，并处理 DDL 和 DML 语句。它将游标创建和执行合并为一个步骤。
基本 SQL 执行
以下是使用 execute 创建表并插入数据的最简单用法。
import sqlite3
with sqlite3.connect('example.db') as conn:
# Create table using execute
conn.execute('''CREATE TABLE IF NOT EXISTS users
(id INTEGER PRIMARY KEY, name TEXT, age INTEGER)''')
# Insert data with parameters
conn.execute("INSERT INTO users (name, age) VALUES (?, ?)", ('Alice', 30))
# Commit is automatic with 'with' statement
此示例展示了使用 execute 的基本 CRUD 操作。“with”语句确保正确的资源清理。
建议使用参数化查询（使用 ? 占位符）以防止 SQL 注入并提高重复查询的性能。
查询数据
execute 方法可以运行 SELECT 查询并返回游标对象以进行结果处理。
import sqlite3
with sqlite3.connect('example.db') as conn:
# Execute query and get cursor
cursor = conn.execute("SELECT * FROM users WHERE age > ?", (25,))
# Process results
for row in cursor:
print(f"ID: {row[0]}, Name: {row[1]}, Age: {row[2]}")
该示例演示了使用参数查询数据。execute 返回的游标是可迭代的。
默认情况下，行数据通过索引访问。我们将在后面的示例中展示命名访问。
多参数执行
executemany 方法（与 execute 相关）有效地处理多个参数集。
import sqlite3
users = [
('Bob', 25),
('Charlie', 40),
('Diana', 35)
]
with sqlite3.connect('example.db') as conn:
conn.executemany("INSERT INTO users (name, age) VALUES (?, ?)", users)
这比用于批量插入的单个 execute 调用更有效。 事务会自动处理。
用户列表中的每个元组对应于查询的一组参数。
命名参数
SQLite 支持命名参数（使用 :name 语法）以获得更具可读性的查询。
import sqlite3
with sqlite3.connect('example.db') as conn:
# Using named parameters
conn.execute("""
UPDATE users
SET age = :new_age
WHERE name = :user_name
""", {'new_age': 32, 'user_name': 'Alice'})
# Verify update
cursor = conn.execute("SELECT age FROM users WHERE name = ?", ('Alice',))
print("New age:", cursor.fetchone()[0])
命名参数使查询更具可读性和可维护性，尤其是在有许多参数的情况下。
参数字典键必须与 SQL 中的命名占位符匹配。
行工厂
行工厂支持命名列访问，而不仅仅是位置访问。
import sqlite3
with sqlite3.connect('example.db') as conn:
# Set row factory for named access
conn.row_factory = sqlite3.Row
cursor = conn.execute("SELECT * FROM users LIMIT 1")
row = cursor.fetchone()
# Access columns by name
print(f"User {row['name']} is {row['age']} years old")
sqlite3.Row 工厂提供基于索引和名称的列访问。
这使得代码对于架构更改（列顺序）更健壮，也更具可读性。
事务
execute 方法参与 SQLite 的自动事务。
import sqlite3
with sqlite3.connect('transactions.db') as conn:
try:
conn.execute("CREATE TABLE IF NOT EXISTS accounts (id INTEGER, balance REAL)")
conn.execute("INSERT INTO accounts VALUES (1, 1000.0)")
conn.execute("INSERT INTO accounts VALUES (2, 500.0)")
# Transfer money
conn.execute("UPDATE accounts SET balance = balance - 100 WHERE id = 1")
conn.execute("UPDATE accounts SET balance = balance + 100 WHERE id = 2")
# Will commit automatically if no exceptions
except sqlite3.Error as e:
print("Transaction failed:", e)
# Automatic rollback occurs on exception
SQLite 会在 DML 语句之前自动启动事务。“with”语句在成功时提交，或在出现异常时回滚。
对于显式控制，请使用 BEGIN、COMMIT 和 ROLLBACK 语句。
自定义函数
SQLite 可以通过 execute 从 SQL 调用 Python 函数。
import sqlite3
def calculate_bonus(age):
return age * 10 # Simple bonus calculation
with sqlite3.connect(':memory:') as conn:
conn.create_function("bonus", 1, calculate_bonus)
conn.execute("CREATE TABLE employees (name TEXT, age INTEGER)")
conn.execute("INSERT INTO employees VALUES ('Alice', 30)")
# Use Python function in SQL
cursor = conn.execute("""
SELECT name, age, bonus(age) as bonus
FROM employees
""")
for row in cursor:
print(f"{row['name']}: {row['age']} years, ${row['bonus']} bonus")
这将 Python 函数注册为 SQL 函数。 然后可以从 SQL 语句中调用该函数。
自定义函数使用 Python 逻辑扩展了 SQLite 的功能，同时保持了查询性能。
最佳实践
- 使用参数化查询： 始终用于用户输入
- 管理资源： 使用上下文管理器进行连接
- 处理错误： 捕获 sqlite3.Error 异常
- 考虑行工厂： 用于命名列访问
- 批量操作： 使用 executemany 进行批量插入
资料来源
作者
列出所有 Python 教程。