如何在 Python 中使用 MySQL 数据库使用存储过程

一、准备工作

首先需要安装 Python 操作 MySQL 的库,最常用的是 mysql-connector-python(官方库)或 pymysql,这里以官方库为例:

bash 复制代码
pip install mysql-connector-python

二、完整实现步骤

1. 先在 MySQL 中创建测试存储过程

首先我们需要一个可测试的存储过程,比如创建一个根据用户 ID 查询用户信息的存储过程:

sql 复制代码
-- 先创建测试表(可选)
CREATE TABLE IF NOT EXISTS users (
    id INT PRIMARY KEY AUTO_INCREMENT,
    name VARCHAR(50) NOT NULL,
    age INT,
    email VARCHAR(100)
);

-- 插入测试数据
INSERT INTO users (name, age, email) VALUES 
('张三', 25, 'zhangsan@test.com'),
('李四', 30, 'lisi@test.com');

-- 创建存储过程:根据ID查询用户信息
DELIMITER //  -- 临时修改语句结束符为//,避免与存储过程内的;冲突
CREATE PROCEDURE get_user_by_id(IN user_id INT, OUT user_name VARCHAR(50), OUT user_age INT)
BEGIN
    SELECT name, age INTO user_name, user_age FROM users WHERE id = user_id;
END //
DELIMITER ;  -- 恢复语句结束符为;

-- 另一个测试存储过程:无参数,查询所有用户
CREATE PROCEDURE get_all_users()
BEGIN
    SELECT * FROM users;
END;

2. Python 调用存储过程的代码实现

下面是 Python 调用存储过程的完整代码,包含两种常见场景:带输入/输出参数的存储过程 、无参数的存储过程:

python 复制代码
import mysql.connector
from mysql.connector import Error

def call_mysql_procedure():
    # 数据库连接配置
    config = {
        'host': 'localhost',       # 数据库地址
        'user': 'root',            # 用户名
        'password': '你的数据库密码', # 密码
        'database': 'test_db'      # 数据库名(替换为你的库名)
    }

    connection = None
    try:
        # 1. 建立数据库连接
        connection = mysql.connector.connect(**config)
        if connection.is_connected():
            cursor = connection.cursor()

            # ========== 场景1:调用带输入/输出参数的存储过程 ==========
            # 定义输入参数和输出参数
            user_id = 1  # 输入参数
            user_name = None  # 输出参数(初始化为None)
            user_age = None   # 输出参数(初始化为None)

            # 调用存储过程:callproc(存储过程名, (参数列表))
            cursor.callproc('get_user_by_id', (user_id, user_name, user_age))

            # 获取输出参数(存储过程执行后,参数会被更新,存在cursor.stored_results()中)
            for result in cursor.stored_results():
                # 或者直接通过 cursor.outputs 获取(不同版本可能略有差异)
                output_params = result.fetchone()
                if output_params:
                    user_name, user_age = output_params
            print(f"场景1 - 查询ID为{user_id}的用户:")
            print(f"姓名:{user_name},年龄:{user_age}\n")

            # ========== 场景2:调用无参数的存储过程(返回结果集) ==========
            print("场景2 - 查询所有用户:")
            cursor.callproc('get_all_users')  # 无参数,传入空元组或省略
            # 遍历结果集
            for result in cursor.stored_results():
                users = result.fetchall()  # 获取所有结果
                # 打印表头
                columns = [desc[0] for desc in result.description]
                print("\t".join(columns))
                # 打印数据
                for user in users:
                    print("\t".join(str(col) for col in user))

            # 提交事务(如果存储过程有修改操作,必须提交)
            connection.commit()

    except Error as e:
        print(f"数据库操作出错:{e}")
        # 出错时回滚事务
        if connection:
            connection.rollback()
    finally:
        # 关闭游标和连接
        if connection and connection.is_connected():
            if cursor:
                cursor.close()
            connection.close()
            print("\n数据库连接已关闭")

if __name__ == "__main__":
    call_mysql_procedure()

三、关键代码解释

  1. 连接数据库 :通过 mysql.connector.connect() 传入配置参数建立连接,注意替换为你的数据库地址、用户名、密码和库名。
  2. 调用存储过程核心方法 :cursor.callproc(proc_name, params)
    • proc_name:存储过程名称(字符串)。
    • params:参数列表(元组),顺序需与存储过程的参数(IN/OUT/INOUT)一一对应。
  3. 获取输出参数/结果集 :
    • 带输出参数的存储过程:执行 callproc 后,通过 cursor.stored_results() 遍历结果,获取输出参数的值。
    • 返回结果集的存储过程:同样通过 cursor.stored_results() 获取结果集,再用 fetchone()/fetchall() 读取数据。
  4. 事务处理 :如果存储过程包含插入/更新/删除操作,必须调用 connection.commit() 提交事务;出错时用 connection.rollback() 回滚。
  5. 资源释放:最后必须关闭游标和连接,避免资源泄漏。
相关推荐
5233AI开发笔记28 分钟前
API 返回 429:先区分限速、并发和配额,再决定是否重试
python
databook28 分钟前
经常听到的透视表是干什么的?
python·数据分析·pandas
特立独行的猫A1 小时前
我用仓颉写了个多平台发文工具:一份 Markdown,一条命令发六个平台
java·后端·python
陆陆陆六1 小时前
# 五个AI引擎的答案采集:反爬、去重与时间窗对齐的三个工程细节
python·net·ai答案采集
小小张说故事4 小时前
Python 的 a[1:5:2] 到底切出了什么?拆开 slice 对象、__getitem__ 与负步长那次反向
python
wuyk5554 小时前
PyQt6-第15讲-数据可视化QChart
python·ui·信息可视化·pyqt
天天被压力4 小时前
【A股分钟级高频数据完全手册 #04】指数分钟级行情数据接口:沪深指数Pro版最新分时取数
java·人工智能·python
日日大王学编程4 小时前
2026主流AI Agent产品分类、核心差异与技术特性全解析
人工智能·后端·python
天天被压力4 小时前
【A股分钟级高频数据完全手册 #03】股票历史1分钟K线数据接口怎么用:Pro版批量拉取与本地缓存
java·人工智能·python
武天旭20 小时前
AI安全--AI大模型的毒性偏见与安全对齐实践
人工智能·python·深度学习