Python连接MySQL并使用fetchall（）方法过滤特殊字符

Python连接MySQL并使⽤fetchall（）⽅法过滤特殊字符
来⼀个简单的例⼦，看Python如何操作数据库，相⽐Java的JDBC来说，确实⾮常简单，省去了很多复杂的重复⼯作，只关⼼数据的获取与操作。

准备⼯作
需要有相应的环境和模块：
Ubuntu 14.04 64bit
Python 2.7.6
MySQLdb
注意:Ubuntu ⾃带安装了Python，但是要使⽤Python连接数据库，还需要安装MySQLdb模块，安装⽅法也很简单：
sudo apt-get install MySQLdb
然后进⼊Python环境，import这个包，如果没有报错，则安装成功了：
python
Python 2.7.6 (default, Jun 22 2015, 17:58:13)
[GCC 4.8.2] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> import MySQLdb
>>>
Python标准的数据库接⼝的Python DB-API（包括Python操作MySQL）。

⼤多数Python数据库接⼝坚持这个标准。

不同的数据库也就需要不同额模块，由于我本机装的是MySQL，所以使⽤了MySQLdb模块，对不同的数据库⽽⾔，只需要更改底层实现了接⼝的模块，代码不需要改，这就是模块的作⽤。

Python数据库操作
⾸先我们需要⼀个测试表
建表语句：
CREATE DATABASE study;
use study;
DROP TABLE IF EXISTS python_demo;
CREATE TABLE python_demo (
id int NOT NULL AUTO_INCREMENT COMMENT '主键，⾃增',
user_no int NOT NULL COMMENT '⽤户编号',
user_name VARBINARY(50) NOT NULL COMMENT '⽤户名',
password VARBINARY(50) NOT NULL COMMENT '⽤户密码',
remark VARBINARY(255) NOT NULL COMMENT '⽤户备注',
PRIMARY KEY (id,user_no)
)ENGINE =innodb DEFAULT CHARSET = utf8 COMMENT '⽤户测试表';
INSERT INTO python_demo(user_no, user_name, password, remark) VALUES
(1001,'张三01','admin','我是张三');
INSERT INTO python_demo(user_no, user_name, password, remark) VALUES
(1002,'张三02','admin','我是张三');
INSERT INTO python_demo(user_no, user_name, password, remark) VALUES
(1003,'张三03','admin','我是张三');
INSERT INTO python_demo(user_no, user_name, password, remark) VALUES
(1004,'张三04','admin','我是张三');
INSERT INTO python_demo(user_no, user_name, password, remark) VALUES
(1005,'张三05','admin','我是张三');
INSERT INTO python_demo(user_no, user_name, password, remark) VALUES
(1006,'张三06','admin','我是张三');
INSERT INTO python_demo(user_no, user_name, password, remark) VALUES
(1007,'张三07','admin','我是张三');
INSERT INTO python_demo(user_no, user_name, password, remark) VALUES
(1008,'张三08','admin','我是张三');
Python代码
# --coding=utf8--
import ConfigParser
import sys
import MySQLdb
def init_db():
try:
conn = MySQLdb.connect(host=conf.get('Database', 'host'),
user=conf.get('Database', 'user'),
passwd=conf.get('Database', 'passwd'),
db=conf.get('Database', 'db'),
charset='utf8')
return conn
except:
print "Error:数据库连接错误"
return None
def select_demo(conn, sql):
try:
cursor = conn.cursor()
cursor.execute(sql)
return cursor.fetchall()
except:
print "Error:数据库连接错误"
return None
def update_demo():
pass
def delete_demo():
pass
def insert_demo():
pass
if __name__ == '__main__':
conf = ConfigParser.ConfigParser()
conf.read('mysql.conf')
conn = init_db()
sql = "select * from %s" % conf.get('Database', 'table')
data = select_demo(conn, sql)
pass
fetchall()字段特殊字符过滤处理
最近在做数据仓库的迁移⼯作,之前数据仓库的数据都是⽤的shell脚本来抽取,后来换了python脚本.
但是在把数据抽取存放到hadoop时,出现了⼀个问题:
由于数据库字段很多,提前也不知道数据库字段会存储什么内容,hive建表是以\t\n做分隔,这就导致了⼀个问题,如果mysql字段内容⾥⾯本⾝含有\t\n,那么就会出现字段错位情况,并且很头疼的是mysql有100多个字段,也不知道哪个字段会出现这个问题. shell脚本⾥的做法是在需要抽取的字段上⽤mysql的replace函数对字段进⾏替换,例如,假设mysql⾥的字段是column1 varchar(2000),那么很可能就会出现有特殊字符的情况,在查询的sql语句⾥加上
select replace(replace(replace(column1,'\r',''),'\n',''),'\t','')
之前⼀直是这么⼲的,但是这样写sql特别长,特别是有100多个字段,也不知道哪个有特殊字符,只要都加上.
所以在python中对字段不加处理,最终导致hive表字段对应出现偏差,所以在python⾥从mysql查询到的字段在写到⽂件之前需要对每个字段进⾏过滤处理
看个例⼦,我就以mysql测试为例,⾸先建⼀张测试表
CREATE TABLE `filter_fields` (
`field1` varchar(50) DEFAULT NULL,
`field2` varchar(50) DEFAULT NULL,
`field3` varchar(50) DEFAULT NULL,
`field4` varchar(50) DEFAULT NULL,
`field5` varchar(50) DEFAULT NULL,
`field6` varchar(50) DEFAULT NULL
) ENGINE=InnoDB DEFAULT CHARSET=utf8;
有六个字段,都是varchar类型,插⼊新数据可以在⾥⾯插⼊特殊字符.简单插⼊条数据测试看看:
insert into filter_fields(field1,field2,field3,field4,field5,field6) VALUES
('test01','test02','test03','test04','test05','test06');
insert into filter_fields(field1,field2,field3,field4,field5,field6) VALUES
('test11\ntest11','test12\n\n','test13','test14','test15','test16');
insert into filter_fields(field1,field2,field3,field4,field5,field6) VALUES
('test21\ttest21','test22\ttest22\ttest22','test23\t\t\t','test4','test5','test6');
insert into filter_fields(field1,field2,field3,field4,field5,field6) VALUES
('test21\rest21','test22\r\rest22\r\rest22','test23\r\r\r','test4','test5','test6');
其中数据⾥插⼊的特殊字符,可能连在⼀起,也有不连在⼀起的.
python测试代码:
# coding=utf-8
import MySQLdb
import sys
db_host = '127.0.0.1' # 数据库地址
db_port = 3306 # 数据库端⼝
db_user = 'root' # mysql⽤户名
db_pwd = 'yourpassword' # mysql⽤户密码,换成你的密码
db_name = 'test' # 数据库名
db_table = 'filter_fields' # 数据库表
# 过滤sql字段结果中的\t\n
def extract_data(table_name):
try:
conn = MySQLdb.connect(host=db_host, port = db_port, user=db_user,
passwd = db_pwd, db = db_name, charset = "utf8")
cursor = conn.cursor()
except MySQLdb.Error, e:
print '数据库连接异常'
sys.exit(1)
try:
sql = 'select * from %s;'%(table_name)
cursor.execute(sql)
rows = cursor.fetchall()
print '====字段未过滤查询结果===='
for row in rows:
print row
print '====字段过滤之后结果===='
rows_list = []
for row in rows:
row_list = []
for column in row:
row_list.append(column.replace('\t', '').replace('\n', '').replace('\r', ''))
rows_list.append(row_list)
print rows_list[-1] # [-1]表⽰列表最后⼀个元素
return rows_list
except MySQLdb.Error, e:
print '执⾏sql语句失败'
cursor.close()
conn.close()
sys.exit(1)
if __name__ == '__main__':
print 'begin:'
rows = extract_data(db_table)
pass
看看输出结果:
字段未过滤查询结果
(u'test01', u'test02', u'test03', u'test04', u'test05', u'test06')
(u'test11\ntest11', u'test12\n\n', u'test13', u'test14', u'test15', u'test16')
(u'test21\ttest21', u'test22\ttest22\ttest22', u'test23\t\t\t', u'test4', u'test5', u'test6')
(u'test21\rest21', u'test22\r\rest22\r\rest22', u'test23\r\r\r', u'test4', u'test5', u'test6')
字段过滤之后结果
[u'test01', u'test02', u'test03', u'test04', u'test05', u'test06']
[u'test11test11', u'test12', u'test13', u'test14', u'test15', u'test16']
[u'test21test21', u'test22test22test22', u'test23', u'test4', u'test5', u'test6']
[u'test21est21', u'test22est22est22', u'test23', u'test4', u'test5', u'test6']
可以看到,制表符,换⾏符,回车都被过滤了.
建议:最后说点题外话,不要⼩视\r,回车符.很多⼈以为回车符就是换⾏符,其实不是的,\r表⽰回车符,\n表⽰新⾏.之前代码⾥其实是过滤掉了\t\n的,但是抽取的数据还是不对,后来看了源码之后才发现,原来是没有过滤\r,就这个不同导致了很多数据抽取不对.。