数据库实践

一、SQLite3数据库学习笔记

（一）简介：SQLite3 可使用 sqlite3 模块与 Python 进行集成，一般 python 2.5 以上版本默认自带了sqlite3模块，因此不需要用户另外下载。

（二）数据库使用流程

（1）创建一个数据库的连接对象，即connection对象。

splite3.connect（database [，timeout，其他可选参数]）

function: 此API打开与SQLite数据库文件的连接。如果成功打开数据库，则返回一个连接对象。

database: 数据库文件的路径，或 “：memory：” ，后者表示在RAM中创建临时数据库。

timeout: 指定连接在引发异常之前等待锁定消失的时间，默认为5.0(秒)。

（2）创建一个游标对象，即cursor对象。

connection.cursor（[cursorClass]）

function: 创建一个游标，返回游标对象，该游标将在Python的整个数据库编程中使用。

（3）总结connection对象和cursor对象

connection对象的方法

方法	说明
connect.cursor()	上述，返回游标对象
connect.execute(sql [,parameters])	创建中间游标对象执行一个sql命令
connect.executemany(sql [,parameters])	创建中间游标对象执行一个sql命令
connect.executescript(sql_script)	创建中间游标对象, 以脚本的形式执行sql命令
connect.total_changes()	返回自打开数据库以来，已增删改的行的总数
connect.commit()	提交当前事务，不使用时为放弃所做的修改，即不保存
connect.rollback()	回滚自上次调用commit()以来所做的修改，即撤销
connect.close()	断开数据库连接

cursor对象的方法

方法	说明
cursor.execute(sql [,parameters])	执行一个sql命令
cursor.executemany(sql,seq_of_parameters)	对 seq_of_parameters 中的所有参数或映射执行一个sql命令
cursor.executescript(sql_script)	以脚本的形式一次执行多个sql命令
cursor.fetchone()	获取查询结果集中的下一行，返回一个单一的序列，当没有更多可用的数据时，则返回 None。
cursor.fetchmany([size=cursor.arraysize])	获取查询结果集中的下一行组，返回一个列表。当没有更多的可用的行时，则返回一个空的列表。size指定特定行数。
cursor.fetchall()	获取查询结果集中所有（剩余）的行，返回一个列表。当没有可用的行时，则返回一个空的列表。

（4）简单实例

import sqlite3

def SQLite_Test():
    # =========== 连接数据库 ============
    # 1. 连接本地数据库
    connectA = sqlite3.connect("example.db")
    # 2. 连接内存数据库，在内存中创建临时数据库
    connectB = sqlite3.connect(":memory:")
 
    # =========== 创建游标对象 ============
    cursorA = connectA.cursor()
    cursorB = connectB.cursor()
 
    # =========== 创建表 ============
    cursorA.execute("CREATE TABLE class(id real, name text, age real, sex text)")
    cursorB.execute("CREATE TABLE family(relation text, job text, age real)")
 
    # =========== 插入数据 ============
    cursorA.execute("INSERT INTO class VALUES(1,'Jock',8,'M')")
    cursorA.execute("INSERT INTO class VALUES(2,'Mike',10,'M')")
    # 使用 ? 占位符
    cursorA.execute("INSERT INTO class VALUES(?,?,?,?)", (3,'Sarah',9,'F'))
 
    families = [
        ['Dad', 'CEO', 35],
        ['Mom', 'singer', 33],
        ['Brother', 'student', 8]
    ]
    cursorB.executemany("INSERT INTO family VALUES(?,?,?)",families)
 
    # =========== 查找数据 ============
    # 使用 命名变量 占位符
    cursorA.execute("SELECT * FROM class WHERE sex=:SEX", {"SEX":'M'})
    print("TABLE class: >>>select Male
", cursorA.fetchone())
    cursorA.close()
     
    cursorB.execute("SELECT * FROM family ORDER BY relation")
    print("TABLE family:
", cursorB.fetchall())
    cursorB.close()

    # =========== 断开连接 ============
    connectA.close()
    connectB.close()

SQLite_Test()

运行结果：

 二、利用已保存的csv文件，对一些数据进行增删查改的操作。

将爬取的内容存为csv文件：

# -*- coding: utf-8 -*- '''
import requests
from bs4 import BeautifulSoup
allUniv = []
import pandas
# 1. 获取网页内容
def getHTMLText(url):
    try:
        r = requests.get(url, timeout = 30)
        r.raise_for_status()
        r.encoding = 'utf-8'
        return r.text
    except Exception as e:
        print("Error:", e)
        return ""

# 2. 分析网页内容并提取有用数据
def fillUniVList(soup): # 获取表格的数据
    data = soup.find_all('tr')
    for tr in data:
        ltd = tr.find_all('td')
        if len(ltd) == 0:
            continue
        singleUniv = [] # 存储一行的数据
        for td in ltd:
            singleUniv.append(td.string)
        allUniv.append(singleUniv)

# 3. 可视化展示数据
def PrintUnivList(num):
    # 输出前num行数据
    print("{1:^2}{2:{0}^10}{3:{0}^5}{4:{0}^5}{5:{0}^8}".format(chr(12288), "排名", "学校名称", "省市", "总分", "科研规模"))
    for i in range(num):
        u = allUniv[i]
        print("{1:{0}^2}{2:{0}^10}{3:{0}^5}{4:{0}^8}{5:{0}^10}".format(chr(12288),u[0],u[1],u[2],u[3],u[6]))
        
# 4. 将数据存储为csv文件
def saveAsCsv(filename, allUniv):
    FormData = pandas.DataFrame(allUniv)
    FormData.columns = ["排名", "学校名称", "省市", "总分", "生源质量", "培养结果", "科研规模", "科研质量", "顶尖成果", "顶尖人才", "科技服务", "产学研合作", "成果转化"]
    FormData.to_csv(filename, encoding='gbk', index=False)

if __name__ == "__main__":
    url = "http://www.zuihaodaxue.cn/zuihaodaxuepaiming2016.html"
    html = getHTMLText(url)
    soup = BeautifulSoup(html,features="html.parser")
    fillUniVList(soup)
    #print(data)
    PrintUnivList(10)   # 输出前10行数据
    saveAsCsv("University_Rank.csv", allUniv)

保存的csv文件截图：

（一）目的：对已爬取的数据进行数据库管理和简单操作

（二）步骤： 创建数据库文件 >>> 创建表 >>> 保存数据到数据库 >>> 对数据进行简单操作

（三）方法：

① 编写一个函数( get_data(fileName) )：读取csv文件中的数据，主要完成对数据的格式转换，以便适合保存到数据库中

② 编写一个函数类( class SQL_method )：对数据库进行简单操作，主要完成数据库的创建和数据的增删查改

对 SQL_method 类的方法说明

方法	说明
__init__(self, dbName, tabelName, data, columns, COLUMNS, Read_All=True)	对参数进行初始化，参数含义分别为：数据库名称、表格名称、数据、表格首行(用于创建表)、表格首行(用于格式输出)、输出所有数据(插入数据后)
creatTable(self)	创建数据库文件、创建表格
destroyTable(self)	删除表格
insertDatas(self)	向数据库的表格中插入多条数据
getAllData(self)	以列表形式返回数据库表格中的所有数据
searchData(self, condition, IfPrint=True)	查找特定数据, 参数的含义分别为：查找条件、是否输出(查找的数据)
deleteData(self, condition)	在数据库的表格中删除特定数据, 参数为删除条件
printData(self, data)	输出数据, 参数为需要输出的数据
run(self)	运行创建数据库和表格的函数，同时支持输出所有数据(依靠Read_All)

③ 尝试其他操作 ( 以下的所有操作均在 main 函数中实现 )：

a. 在数据库中查找某一项记录

b. 对数据按照某种排序输出

c. 对数据进行增加权值操作，实现重新排序 【权值详情】

d. 删除数据库中的某些记录

e. 删除数据库中的表 

# -*- coding: utf-8 -*- 
import sqlite3
from pandas import DataFrame
import re
 
class SQL_method:
    '''
    function: 可以实现对数据库的基本操作
    '''
    def __init__(self, dbName, tableName, data, columns, COLUMNS, Read_All=True):
        '''
        function: 初始化参数
        dbName: 数据库文件名 
        tableName: 数据库中表的名称
        data: 从csv文件中读取且经过处理的数据
        columns: 用于创建数据库，为表的第一行
        COLUMNS: 用于数据的格式化输出，为输出的表头
        Read_All: 创建表之后是否读取出所有数据
        '''
        self.dbName = dbName
        self.tableName = tableName
        self.data = data
        self.columns = columns
        self.COLUMNS = COLUMNS
        self.Read_All = Read_All

    def creatTable(self):
        '''
        function: 创建数据库文件及相关的表
        '''
        # 连接数据库
        connect = sqlite3.connect(self.dbName)
        # 创建表
        connect.execute("CREATE TABLE {}({})".format(self.tableName, self.columns))
        # 提交事务
        connect.commit()
        # 断开连接
        connect.close()

    def destroyTable(self):
        '''
         function: 删除数据库文件中的表
        '''
        # 连接数据库
        connect = sqlite3.connect(self.dbName)
        # 删除表
        connect.execute("DROP TABLE {}".format(self.tableName))
        # 提交事务
        connect.commit()
        # 断开连接
        connect.close()

    def insertDataS(self):
        '''
        function: 向数据库文件中的表插入多条数据
        '''
        # 连接数据库
        connect = sqlite3.connect(self.dbName)
        # 插入多条数据
        connect.executemany("INSERT INTO {} VALUES(?,?,?,?,?,?,?,?,?,?,?,?,?)".format(self.tableName), self.data)
        #for i in range(len(self.data)):
        #    connect.execute("INSERT INTO university VALUES(?,?,?,?,?,?,?,?,?,?,?,?,?)", data[i])
        # 提交事务
        connect.commit()
        # 断开连接
        connect.close()

    def getAllData(self):
        '''
        function: 得到数据库文件中的所有数据
        '''
        # 连接数据库
        connect = sqlite3.connect(self.dbName)
        # 创建游标对象
        cursor = connect.cursor()
        # 读取数据
        cursor.execute("SELECT * FROM {}".format(self.tableName))
        dataList = cursor.fetchall()
        # 断开连接
        connect.close()
        return dataList

    def searchData(self, conditions, IfPrint=True):
        '''
        function: 查找特定的数据
        '''
        # 连接数据库
        connect = sqlite3.connect(self.dbName)
        # 创建游标
        cursor = connect.cursor()
        # 查找数据
        cursor.execute("SELECT * FROM {} WHERE {}".format(self.tableName, conditions))
        data = cursor.fetchall()
        # 关闭游标
        connect.close()
        # 断开数据库连接
        connect.close()
        if IfPrint:
            self.printData(data)
        return data
 
    def deleteData(self, conditions):
        '''
        function: 删除数据库中的数据
        '''
        # 连接数据库
        connect = sqlite3.connect(self.dbName)
        # 插入多条数据
        connect.execute("DELETE FROM {} WHERE {}".format(self.tableName, conditions))
        # 提交事务
        connect.commit()
        # 断开连接
        connect.close()

    def printData(self, data):
        print("{1:{0}^3}{2:{0}<11}{3:{0}<4}{4:{0}<4}{5:{0}<5}{6:{0}<5}{7:{0}^5}{8:{0}^5}{9:{0}^5}{10:{0}^5}{11:{0}^5}{12:{0}^6}{13:{0}^5}".format(chr(12288), *self.COLUMNS))
        for i in range(len(data)):
            print("{1:{0}<4.0f}{2:{0}<10}{3:{0}<5}{4:{0}<6}{5:{0}<7}{6:{0}<8}{7:{0}<7.0f}{8:{0}<8}{9:{0}<7.0f}{10:{0}<6.0f}{11:{0}<9.0f}{12:{0}<6.0f}{13:{0}<6.0f}".format(chr(12288), *data[i]))

    def run(self):
        try:
            # 创建数据库文件
            self.creatTable()
            print(">>> 数据库创建成功！")
            # 保存数据到数据库
            self.insertDataS()
            print(">>> 表创建、数据插入成功！")
        except:
            print(">>> 数据库已创建！")
        # 读取所有数据
        if self.Read_All:
            self.printData(self.getAllData())

def get_data(fileName):
    '''
    function: 读取获得大学排名的数据 并 将结果返回
    '''
    data = []
    # 打开文件
    f = open(fileName, 'r', encoding='gbk')
    # 按行读取文件
    for line in f.readlines():
        # 替换掉其中的换行符和百分号  替换百分号是为了方便之后的排序和运算
        line = line.replace('
', '')
        line = line.replace('%','')
    # 将字符串按照 ',' 分割为列表
        line = line.split(',')
        
        for i in range(len(line)):
            # 使用 异常处理 避开 出现中文无法转换 的错误
            try:
                # 将空值填充为 0
                if line[i] == '':
                    line[i] = '0'
                # 将数字转换为数值
                line[i] = eval(line[i])
            except:
                continue
        data.append(tuple(line))
    # EN_columns、CH_columns 分别为 用于数据库创建、数据的格式化输出
    EN_columns = "Rank real, University text, Province text, Grade real, SourseQuality real, TrainingResult real, ResearchScale real, 
    ReserchQuality real, TopResult real, TopTalent real, TechnologyService real, Cooperation real, TransformationResults real"
    CH_columns =  ["排名", "学校名称", "省市", "总分", "生涯质量", "培养结果(%)", "科研规模", "科研质量", "顶尖成果", "顶尖人才", "科技服务", "产学研合作", "成果转化"]
    return data[1:], EN_columns, CH_columns

if __name__ == "__main__":
    # =================== 设置和得到基本数据 ===================
    fileName = "University_Rank.csv"
    data, EN_columns, CH_columns = get_data(fileName)
    dbName = "university.db"
    tableName = "university"
 
    # ================= 创建一个SQL_method对象 ==================
    SQL = SQL_method(dbName, tableName, data, EN_columns, CH_columns, False)

    # =================== 创建数据库并保存数据 ===================
    SQL.run()
    
    # =================== 在数据库中查找数据项 ===================
    # 查找记录并输出结果
    print(">>> 查找数据项（University = '广东技术师范学院'） :")
    SQL.searchData("University = '广东技术师范学院'", True)

    # ================= 在数据库中筛选数据项并排序 ==================
    # 将选取广东省的数据 并 对科研规模大小排序
    print("
>>> 筛选数据项并按照科研规模排序（Province = '广东省'） :")
    SQL.searchData("Province = '广东省' ORDER BY ResearchScale", True)
 
    # =============== 对数据库中的数据进行重新排序操作 ================
    # 定义权值
    Weight = [0.3, 0.15, 0.1, 0.1, 0.1, 0.1, 0.05, 0.05, 0.05]
    value, sum = [], 0
    # 获取 Province = '广东省' 的所有数据
    sample = SQL.searchData("Province = '广东省'", False)
    # 按照权值求出各个大学的总得分
    for i in range(len(sample)):
        for j in range(len(Weight)):
            sum += sample[i][4+j] * Weight[j]
        value.append(sum)
        sum = 0
    # 将结果通过 pandas 的 DataFrame 方法组成一个二维序列
    university = [university[1] for university in sample]
    uv, tmp = [], []
    for i in range(len(university)):
        tmp.append(university[i])
        tmp.append(value[i])
        uv.append(tmp)
        tmp = []
    df = DataFrame(uv, columns=list(("大学", "总分")))
    df = df.sort_values('总分')
    df.index = [i for i in range(1, len(uv)+1)]
    # 输出结果
    print("
>>> 筛选【广东省】的大学并通过权值运算后重排名的结果：
", df)
    
    # ===================== 在数据库中删除数据项 =====================
    SQL.deleteData("Province = '北京市'")
    SQL.deleteData("Province = '广东省'")
    SQL.deleteData("Province = '山东省'")
    SQL.deleteData("Province = '山西省'")
    SQL.deleteData("Province = '江西省'")
    SQL.deleteData("Province = '河南省'")
    print("
>>> 数据删除成功！")
    SQL.printData(SQL.getAllData())

    # ====================== 在数据库中删除表 ========================
    SQL.destroyTable()
    print(">>> 表删除成功！")

执行代码结果：

a. 数据库创建成功。

b.查询结果：我们学校在2016年中国最好大学网页中无排名。

c.查询并显示2016年广东省学校按照科研规模排序结果。

d.综合考虑各个因素，显示广东省的学校的排名及得分。