企业官网建设流程全解析

简介：面向高校Python课程的一份数据库操作教学课件，聚焦Python与数据库的交互，重点讲解SQLite这一轻量级关系型数据库的使用。内容从数据库基础入手，介绍常见数据库类型（关系型、键值存储、文档型、图数据库）及DBMS的主要功能，系统梳理SQL语法，包括创建表、删除表、查询、where条件过滤、分组统计等，并说明SQLite五种数据类型及灵活存储机制。课件详细讲解Python操作数据库的核心API，涵盖sqlite3连接、游标执行、数据插入、查询获取、连接关闭等步骤，最后通过一个综合案例完整演示从建库、建表到增删改查的实践流程，案例贴近教学与复习场景。资源包内为1个pptx课件，压缩包大小3.46MB，结构紧凑、即下即用。目前已有853人学习下载，内容系统、示例直观，能帮助读者快速构建Python数据库操作知识体系，适合高校教师备课、课堂教学以及学生期末复习巩固。

1. 为什么教学课件里的 SQLite 反而是最值得拆的数据库

期末复习最怕什么？不是语法背不住，而是数据库连接这一步就把人劝退了。MySQL 要装服务、配账号、处理字符集，折腾半小时还没看到一行数据。这个课件没有选那些重型数据库，而是从 Python 标准库自带的 sqlite3 讲起，把数据库基础、SQL 语法、Python DB-API 和操作流程串成一条线。它面向高校教师教学，也适合学生课后复习，核心价值在于：用最小的环境成本，把建表、增删改查、分组统计、事务提交这些高频动作全部跑通。无论你是在做数据库课程设计，还是准备 Python 期末复习，都可以把它当作一份可复现的实操笔记。

2. 先理清关系型数据库的模型：二维表、主键与 SQLite 的类型亲和

2.1 关系模型中的基础概念

课件开篇就从数据库基础入手，这其实是很关键的铺垫。关系型数据库把复杂的数据结构归结成二维表：一张表就是一组行和列，行在数据库中称为记录或元组，列称为字段或属性。比如 school 表，一行就是一所高校，school_code 是唯一标识，这就是主键。这个模型的好处是，无论是 MySQL、SQL Server 还是 SQLite，操作的对象和返回的结果都是二维表，所以 SQL 语句可以在不同数据库之间直接移植。

需要说明的是，关系模型里的域指字段的取值范围，分量是某个记录里某个字段的具体值。这些概念在课件里一笔带过，但如果你要在期末复习或课程设计答辩里解释表结构设计，能把这些术语和实际表字段对应上，会显得你对数据库基础有真正的理解。另外，表与表之间通过外键建立关联，虽然 SQLite 默认不强制启用外键约束，但设计表结构时仍然要有一对多或多对多的意识。比如后续要建学生表，学生表里就可以加一个 school_code 字段指向这里的主键。

2.2 SQLite 的五种存储类型与类型亲和

SQLite 与 MySQL 的一个显著差异在于存储类型。SQLite 内部只支持五种基本数据类型：NULL、INTEGER、REAL、TEXT、BLOB。它虽然也接受 varchar(n)、char(n) 这类写法，但本质上不会像 MySQL 那样严格校验字段长度和类型。也就是说，你在建表语句里写 school_code char(6)，SQLite 实际存储时仍按 TEXT 处理，存一个 10 个字符的字符串也不会报错。

这种设计叫类型亲和，对教学场景是好事：你不用一开始就纠结字段长度、精度、字符集，可以先把注意力放在 SQL 逻辑和 Python 代码上。但也要提醒，生产环境里如果依赖 SQLite 做严格数据校验，需要自己在应用层控制，或者改用 MySQL、Oracle 这类字段约束更严格的数据库。另外，如果声明 integer primary key，SQLite 会自动把它变成自增 rowid 的别名，适合做学生表、成绩表这类需要自动编号的场景。下面的表列出了五种类型的典型用途。

2.3 用建表语句把概念落成实践

把概念落到代码，最常见的就是课件里的 school 表创建。这里我一般会强调两条规则：建表前用 if not exists 判断，删表前用 if exists 判断。否则重复执行脚本时会直接报错，浪费排错时间。

create table if not exists school ( school_code char(6) primary key, school varchar(50), province varchar(30), is_985 varchar(10), is_211 varchar(10), is_self_marking varchar(10), school_type varchar(10) );

这段 SQL 里，primary key 指定 school_code 作为主键，它是每条记录的唯一标识。varchar(50) 这类声明在 SQLite 中不强制长度，但建议保留，因为当你要把表结构迁移到 MySQL 时，这些声明就是现成的类型模板。删除表使用 drop table if exists school，执行后表结构连同数据一起消失，和 delete 只删数据的行为完全不同。

这里还需要注意一个容易混淆的点：drop table 是删除整张表，delete from 是删除数据但保留表结构。课件里专门强调了这个区别，实际写代码时也要先想清楚。建表语句中的字段顺序同样重要，它决定了 insert 省略字段列表时的默认插入顺序，这一点会和后面的 SQL 实操直接相关。

3. 从增删改查开始：SQL 语句在 Python 课件里的高频用法

3.1 select 查询的完整结构与 where 条件组合

SQL 里最常用、也最能体现数据库能力的是 select 查询。课件给出的语法结构是：select 字段列表 from 表名 where 查询条件 group by 分组字段 order by 字段 [asc|desc]。实际执行时，数据库会先过滤 where，再分组，再排序，最后投影出字段列表。理解这个执行顺序，对排查查询结果异常很有帮助。

where 子句支持五类常见条件，可以把它们整理成一张速查表。比较运算用于精确匹配，between 用于范围筛选，in 用于匹配一组值，and 和 or 组合多条件，like 配合百分号做模糊匹配。下面这张表覆盖了课件中的例子和最常见的扩展。

这里最容易犯的错误是把单引号和双引号混用。SQL 标准里字符串一般用单引号，SQLite 也兼容双引号，但推荐统一用单引号，避免和 Python 字符串的引号产生冲突。模糊匹配里的百分号是通配符，%师范% 表示包含师范二字的任意字符串，这类写法在爬虫数据过滤和关键词匹配场景中非常常见。

3.2 分组统计与排序：聚合函数是期末复习的重点

如果只做条件查询，还体会不到 SQL 的统计能力。group by 子句用于把相同字段值的记录合并成一组，通常和聚合函数一起使用。课件里的例子是统计各个省份的高校数量，语句本身很简短，但信息密度很高。

select province, count(*) as 学校数 from school group by province order by 学校数 desc;

这条语句的逻辑是：先按 province 分组，再对每组调用 count(*) 统计行数，最后按别名学校数降序排列。as 关键字可以省略，但建议保留，因为 Python 端通过游标读取结果时，列名就是这里的别名，后续配合 Row 对象按字段名访问会更方便。

常见的聚合函数还有 sum(列名)、max(列名)、min(列名)、avg(列名)。这里有一个容易被忽略的细节：count() 统计的是记录行数，count(列名) 会跳过该列为 NULL 的行。如果字段允许为空，两个写法可能得到不同结果。另外，group by 之后如果还想过滤分组结果，需要用到 having，而不是 where。where 在分组前执行，having 在分组后执行，例如只显示高校数大于 10 的省份，就要写成 having count() > 10。

3.3 insert、update、delete 的注意点

增删改查里的增删改虽然语法简单，但坑最多。insert 语句有两种写法：指定字段列表，或者省略字段列表直接给全部值。指定字段时，字段顺序和 values 里的值顺序必须一一对应；省略字段列表时，值的顺序必须和建表语句里的字段顺序完全一致，否则数据就错位了。

insert into school(school, province) values('江西财经大学', '江西省'); update school set school = '赣南师范大学' where school = '赣南师范学院'; delete from school where province = '江西省';

update 和 delete 都要求必须带上明确的 where 条件，否则会更新或删除整张表。实际开发中我建议先写 where 条件，再写 set 或 delete 关键字，从书写顺序上避免误操作。如果你确实要清空表，delete from 表名 仍然会保留表结构，而 drop table 表名 会把表彻底删掉。

提示：update 和 delete 语句在正式环境执行前，最好先用同条件 select 确认一下匹配范围。

再补充一个批量插入场景。如果数据来自爬虫或外部文件，逐条 insert 效率很低。更好的做法是在 Python 端用 executemany，把数据整理成列表再一次性写入，这个内容在下一章展开。

4. 深入 Python DB-API：从连接对象到游标的执行链路

4.1 DB-API 规范与三类核心对象

Python 操作数据库并不需要为每种数据库单独记一套语法，因为 PEP 249 定义了 DB-API 规范，sqlite3、PyMySQL、psycopg2 都实现了同一套接口。这个抽象层的价值在于：业务代码里只依赖 connect()、cursor()、execute()、commit() 这些通用方法，未来从 SQLite 换到 MySQL，只需要改连接方式和驱动包，SQL 部分和数据处理逻辑基本不用动。

DB-API 规范里最常用的是三个类：Connection 负责管理连接和事务，Cursor 负责执行 SQL 并获取结果，Row 表示结果集中的一行。实际开发中，很多人容易忽略 rowcount 和 arraysize。cursor.rowcount 返回的是受影响行数，比如 update 匹配了多少行；arraysize 控制 fetchmany(size) 一次取多少行。处理几十万行数据时，用 fetchall 一次性加载会占用大量内存，改成循环 fetchmany(500) 会平滑很多。教学中我会把三个类的核心方法整理成一张速查表。

4.2 Python 操作 SQLite 的标准流程

课件给出了一个标准七步流程，我在项目里会把它浓缩成四个阶段：连接、游标、执行、清理。下面是一个可以完整运行的示例代码。

import sqlite3 # 1. 连接数据库，文件不存在时会自动创建 conn = sqlite3.connect('school.db') # 2. 创建游标 cursor = conn.cursor() # 3. 执行 SQL，创建表 cursor.execute(''' create table if not exists school ( school_code char(6) primary key, school varchar(50), province varchar(30), is_985 varchar(10) ) ''') # 4. 提交事务，注意关键一步 conn.commit() # 5. 关闭游标和连接 cursor.close() conn.close()

代码里的注释已经标出最关键的点：对数据库结构或数据做了修改，必须执行 conn.commit()，否则关闭连接后修改会丢失。sqlite3 模块默认不开启自动提交，这一点和很多人的直觉相反。如果是查询操作，不 commit 也没关系，但为了代码一致，我通常都会在需要持久化的操作后补上 commit。关闭顺序也有讲究，先关游标再关连接，避免持有未释放的资源。

还有一个容易被忽略的配置：conn.row_factory = sqlite3.Row 可以让查询结果支持字段名访问。默认 fetchall 返回的是元组，想取 school 字段只能靠下标，改成 Row 后可以直接写 row['school']，配合 Row.keys() 在构建 JSON 返回结果时非常方便。

4.3 参数样式与 executemany 批量写入

执行带条件的 SQL 时，千万别用字符串拼接来构造语句。比如下面这种写法很容易引发注入问题，或者因为引号转义出错。

# 不推荐：字符串拼接 school = "江西财经大学" cursor.execute("select * from school where school = '" + school + "'")

正确做法是使用参数占位符。sqlite3 模块支持 ? 作为参数样式，这也是 DB-API 规范里的 paramstyle 之一。代码可以改成下面这样。

cursor.execute('select * from school where school = ?', (school,))

? 对应第二个参数里的元组元素，一个 ? 占一个位置。这样做有两个好处：一是 SQL 语句和参数分离，避免注入风险；二是字符串里的单引号不需要手动转义，驱动会帮你处理。需要注意的是，不同数据库模块的参数占位符有差异，psycopg2 和 MySQLdb 都用 %s，所以在写跨数据库代码时，最好把 SQL 和参数封装在同一个函数里，不要散落在业务各处。

批量写入是 executemany 的高频使用场景。假设你从爬虫结果里拿到上千所高校信息，逐条 execute 要往返数据库上千次，而 executemany 只需一次调用。

data = [ ('10421', '江西财经大学', '江西省', '否'), ('10422', '华东交通大学', '江西省', '否'), ] cursor.executemany(''' insert into school(school_code, school, province, is_985) values (?, ?, ?, ?) ''', data)

data 是列表，每个元素是一个元组，元组内的字段顺序和 SQL 中的字段顺序一致。executemany 会自动复用同一条 SQL 模板，把参数依次绑定执行，适合批量导入、批量初始化的场景。需要留意的是，executemany 也是事务操作，结束后记得 commit，否则数据不会落盘。

5. 综合案例：用 sqlite3 封装一个高校信息查询小工具

5.1 表结构与初始化数据

最后用一个完整案例把前面的知识点串起来。我们要在本地文件中创建一个学校信息库，包含 school_code、school、province、is_985 四个核心字段，然后导入少量数据。这样可以模拟数据库课程设计里最常见的初始化流程。

import sqlite3 def init_db(db_path='school.db'): conn = sqlite3.connect(db_path) cursor = conn.cursor() cursor.execute(''' create table if not exists school ( school_code text primary key, school text, province text, is_985 text ) ''') # 清空旧数据，保证 init_db 可重复执行 cursor.execute('delete from school') data = [ ('10401', '北京大学', '北京市', '是'), ('10402', '清华大学', '北京市', '是'), ('10421', '江西财经大学', '江西省', '否'), ('10422', '南昌大学', '江西省', '否'), ] cursor.executemany('insert into school values (?, ?, ?, ?)', data) conn.commit() cursor.close() conn.close()

init_db 函数里先建表，再清空旧数据，最后批量插入。这样每次调用都会回到干净的初始状态。如果不清空，重复运行脚本会产生重复记录，导致后续统计结果翻倍。

5.2 封装查询函数并处理事务

接下来把查询和更新封装成函数。查询函数返回结果，更新函数要处理异常回滚。下面这个实现里，用 try/except 把 execute 和 commit 包在一起，一旦出错就 rollback，避免数据库停留在部分更新状态。

def query_by_province(conn, province): cursor = conn.cursor() cursor.execute('select school, is_985 from school where province = ?', (province,)) rows = cursor.fetchall() cursor.close() return rows def update_school_name(conn, old_name, new_name): cursor = conn.cursor() try: cursor.execute('update school set school = ? where school = ?', (new_name, old_name)) conn.commit() return cursor.rowcount except Exception: conn.rollback() raise finally: cursor.close()

query_by_province 里的参数绑定把 province 传入 where 条件，返回的是列表，每个元素是一个元组。update_school_name 通过 rowcount 得到受影响行数，用来判断更新是否真的匹配到了记录。如果 rowcount 为 0，说明 old_name 不存在，调用方可以据此给出业务提示。

5.3 验证与排错：最后一步这样检查

完成封装后，最直接的验证方式是打开交互式 Python 环境，逐步调用函数并观察返回结果。

conn = sqlite3.connect('school.db') print(query_by_province(conn, '江西省')) print(update_school_name(conn, '南昌大学', '南昌大学前湖校区')) conn.close()

如果结果不符合预期，优先检查三个地方：一是建表语句是否真的执行成功，可以查 sqlite_master 表；二是事务是否提交，没 commit 的话数据只存在内存里；三是参数占位符的数量是否与字段数量一致，多一个或少一个都会抛出 ProgrammingError。最后一个检查技巧是打印 cursor.rowcount，很多更新无效的问题其实是因为 where 条件没有匹配到任何记录。这个排查思路同样适用于 PyMySQL、psycopg2 等数据库模块，因为它们的错误信息都遵循 DB-API 规范。

本文还有配套的精品资源，点击获取