sqlalchemy-access库操作MS Access

因目前项目中数据处理的量稍大,为了方便和业务进行交互,对数据的加工和处理放到微软桌面数据库MS Access中。然后有些地方通过 Python 来操作 MS Access 数据库,用到 sqlalchemy-access库。本文对操作的要点做简单的描述。

之前写过一篇 Python 操作 MS Access 数据库不同的方法,有兴趣的小伙伴可以参考:Python如何操作MS Access数据库_python操作access数据库-CSDN博客 。使用 sqlalchemy-access 的目的是为了简单。

odbc 数据源配置

在 Windows 下使用 ODBC ,是要配置 ODBC 数据源。设置的作用是允许通过名称来访问特定的数据库。在 command 窗口或者运行窗口输入 odbcad32 命令,然后点击「添加」按钮。

选择 MS Access 驱动:

将连接的数据源命名为 TEST_DB,并且选择需要连接的数据库:

安装 sqlalchemy-access 组件和相关的组件

使用 pip 方式进行安装如下三个组件。我在安装 sqlacodegen 的时候,sqlalchemy 被替换为 1.4 版。所以如果需要使用特定的 sqlalchemy 版本,可以在虚拟环境下操作。

复制代码
pip install sqlalchemy
pip install sqlalchemy-access
pip install sqlacodegen

根据数据库表生成 model

因为数据库表已经存在,sqlalchemy 使用的时候,需要定义 Model。在这种情况下,通过 sqlacodegen 库来逆向生成 sqlalchemy 所需要的 model,在命令窗口执行如下命令:

复制代码
sqlacodegen "access+pyodbc://TEST_DB" --outfile="test_db_models.py"

参数说明:

第一个参数是访问数据库所需要的 url,sqlacodegen 和 sqlachem 使用相同的 URL

第二个参数:指定生成的文件

自动生成了 test_db_models.py 文件如下:

python 复制代码
from sqlalchemy import Column, Float, String
from sqlalchemy_access.base import COUNTER
from sqlalchemy.ext.declarative import declarative_base

Base = declarative_base()
metadata = Base.metadata


class 北京(Base):
    __tablename__ = '北京'

    ID = Column(COUNTER, primary_key=True)
    专业类 = Column(String(255))
    专业代号 = Column(String(255))
    姓名 = Column(String(255))
    性别 = Column(String(255))
    称呼 = Column(String(255))
    原始分 = Column(Float)

对比数据库结构看一下:

CRUD 代码

在 basic_crud.py 文件中编写如下代码:

python 复制代码
from sqlalchemy import create_engine
from sqlalchemy.orm import sessionmaker
from test_db_models import 北京

engine = create_engine("access+pyodbc://TEST_DB")
Session = sessionmaker(bind=engine)
session = Session()

def test_query():
    result = session.query(北京).all()
    for row in result:
        print(row.ID, row.专业类, row.专业代号, row.姓名, row.性别, row.称呼, row.原始分)

def test_query_by_name(name: str):
    result = session.query(北京).filter(北京.姓名 == name).first()
    print(result.ID, result.专业类, result.专业代号, result.姓名, result.性别, result.称呼, result.原始分)

def test_insert():
    new_student = 北京(
        专业类='计算机科学与技术', 
        专业代号='001', 
        姓名='Alex', 
        性别='男', 
        称呼='先生', 
        原始分=590)
    session.add(new_student)
    session.commit()

def test_update():
    student = session.query(北京).filter(北京.姓名 == 'Alex').first()
    student.原始分 = 600
    session.commit()

def test_delete():
    student = session.query(北京).filter(北京.姓名 == 'Alex').first()
    session.delete(student)
    session.commit()
相关推荐
心中有国也有家20 分钟前
GE图引擎深度解析——CANN的计算图优化与执行引擎
人工智能·pytorch·python·学习·numpy
卷毛的技术笔记2 小时前
告别硬编码!Spring AI Alibaba 实现 AI Agent 智能工具调用(Tool Calling)
java·人工智能·后端·python·spring·ai编程
编程大师哥2 小时前
匿名函数 lambda + 高阶函数
java·python·算法
vb2008112 小时前
FastAPI APIRouter
开发语言·python
adrninistrat0r2 小时前
Java调用链MCP分析工具
java·python·ai编程
杨充2 小时前
1.3 浮点型数据设计灵魂
开发语言·python·算法
meilindehuzi_a3 小时前
深入浅出数据结构:Python 字典(Dict)与集合(Set)的哈希表底层全链路追踪
数据结构·python·散列表
Lucas凉皮3 小时前
20243408 2025-2026-2 《Python程序设计》综合实践报告
python·实验报告
键盘上的猫头鹰3 小时前
【MySQL 教程(八)】索引、事务、用户管理、导入导出与分页查询
数据库·python·mysql
薛定谔的猫-菜鸟程序员4 小时前
2小时智能体开发一个智能体?我用CodeArts Agent 和 AtomCode 开发了一个适老化智能体。
人工智能·python·agent