如何一次使用 SqlQuery 从数据库中收集所有数据？答案

【问题标题】：How can i collect all the Data from a Database by using SqlQuery at once?如何一次使用 SqlQuery 从数据库中收集所有数据？
【发布时间】：2021-08-26 12:54:18
【问题描述】：

我想收集数据库中的所有条目并将它们写入 .csv 文件。

为此，我尝试了一个这样的while循环：


def create_csv():
     query = QSqlQuery(db=db)
     query.prepare("SELECT * FROM database_name")
     query.exec()
     rec = query.record()
            
     print(query.isSelect())
     nameCol = rec.indexOf("name")

          while query.next():
          print(query.value(nameCol))

这按预期为我提供了“名称”列中的所有条目。但是由于数据库有更多的列，我想知道是否有一种更简单的方法可以一次获取所有列（和标题）？

一次创建 csv 会容易得多。

【问题讨论】：

标签： python qtsql pyside6 pyqt6

【解决方案1】：

你可以用一个简单的 SQL 命令来做到这一点：

select * from passtable4 LOCAL INTO OUTFILE 'C:\test.csv' FIELDS ENCLOSED BY '"' TERMINATED BY ';' ESCAPED BY '"' LINES TERMINATED BY '\r\n';

你可能会遇到这个错误：

ERROR 1290 (HY000): The MySQL server is running with the --secure-file-priv option so it cannot execute this statement

提供解决方案here和here

如果您的数据库有不同类型的数据类型（如日期、BLOB 等），您可以找到更全面的指南 here

【讨论】：

感谢您的回复@Mayank。我很确定这将适用于 MySql。但是由于我使用的是带有 QODBC 驱动程序的 MS Acces 数据库，所以我需要一些不同的语法。我已经在过滤数据库时遇到了这个问题。 see here

【解决方案2】：

花了一段时间，但我想我找到了适合我的东西：

我开始为文件命名并生成 2 个列表
执行了提供表所有值的查询
启动了一个 for 循环来获取标头。
启动了一个 while 循环，它为我生成了临时列表元素“行”
将临时列表元素添加到值列表中，使其成为列表列表
构建了一个 Pandas 数据框并根据需要使用 to_csv。

我确信有“更智能”或更快的方法来完成这项工作。但至少它对我有用。

 def create_csv(self):
    
    today = datetime.today()
    now = today.strftime("%y%m%d_%H%M_%S_")
    
    filename = f"{jetzt}COS.csv"
    
    

    Column_Header=[]
    Article_Value=[]
    
    query = QSqlQuery(db=db)
    query.prepare(r"SELECT * FROM database_name")
    query.exec()
    
    rec = query.record()
    
    for id in range(rec.count()):
        
        Column_Header.append(rec.fieldName(id))
        
    indexes = range(rec.count())
        
    while query.next():
        
        row = [query.value(index) for index in indexes]
        
        
        Article_Value.append(row)
        
    df = pd.DataFrame(Article_Value, columns=Column_Header, index=None) 

    print(df)
    
    df.to_csv(filename,sep=';',index=False)

【讨论】：