Python中怎样使用pymysql连接和操作MySQL数据库？

在Python生态里操作MySQL，pymysql是最常被选用的纯Python驱动之一。它不依赖任何C扩展，兼容Python3各个版本，安装和使用都比较轻量。理解它的工作模型，核心就是先拿到一个连接对象，再基于连接创建游标，通过游标发送SQL并取回结果。

一、安装与基础连接

使用pymysql的第一步是安装包。因为它已发布到PyPI，直接用pip即可完成，不需要本机安装MySQL开发头文件。在虚拟环境中安装可以避免污染全局Python。

pip install pymysql

建立连接时，需要明确主机、端口、用户、密码和库名。下面是一段最基础的连接代码，其中设置了字符集为utf8mb4，避免中文写入变成问号。

import pymysql

# 创建连接
conn = pymysql.connect(
    host='127.0.0.1',
    port=3306,
    user='root',
    password='your_password',
    database='test_db',
    charset='utf8mb4'
)

# 使用完记得关闭
conn.close()

上面代码在脚本结束前手动关闭了连接。实际项目中更推荐用with语句管理生命周期，这样即使中间抛异常也能保证连接释放，减少MySQL服务端连接数被占满的风险。

二、执行查询与增删改

连接建立后，要通过cursor对象执行SQL。pymysql默认游标返回的是元组，若想用字典方式按字段名取值，可指定DictCursor。下面的例子演示了查询和插入两种典型操作。

import pymysql
from pymysql.cursors import DictCursor

conn = pymysql.connect(
    host='127.0.0.1',
    user='root',
    password='your_password',
    database='test_db',
    charset='utf8mb4'
)

try:
    with conn.cursor(DictCursor) as cursor:
        # 查询
        cursor.execute('SELECT id, name FROM users WHERE age > %s', (18,))
        rows = cursor.fetchall()
        for row in rows:
            print(row['name'])

        # 插入
        sql = 'INSERT INTO users(name, age) VALUES(%s, %s)'
        cursor.execute(sql, ('张三', 20))
    conn.commit()
except Exception as e:
    conn.rollback()
    print('出错回滚:', e)
finally:
    conn.close()

注意增删改操作必须调用conn.commit()才能真正落库，这是MySQL事务引擎的要求。如果忘记提交，程序退出后改动会丢失。遇到异常时应当rollback，防止产生半成品数据。

参数化查询里用的%s不是Python字符串格式化，而是pymysql的占位符，它会在底层做转义，有效防止SQL注入。千万不要用字符串拼接拼SQL，否则用户输入单引号就能篡改语义。

三、批量操作与防注入

当需要写入大量数据时，逐条execute效率很低。pymysql提供了executemany，可以在一次网络往返里发送多组参数，显著提升吞吐。

import pymysql

conn = pymysql.connect(host='127.0.0.1', user='root', password='your_password', database='test_db')
with conn.cursor() as cursor:
    data = [('李四', 22), ('王五', 25), ('赵六', 19)]
    cursor.executemany('INSERT INTO users(name, age) VALUES(%s, %s)', data)
conn.commit()
conn.close()

防注入方面，除了坚持参数化，还应避免把表名和字段名用参数传进去，因为占位符只适用于值。如果表名动态变化，应在白名单中校验后再拼入SQL，且绝不可来自用户直接输入。

另外，从外部读取的CSV或接口数据，可能包含特殊字符，pymysql会自动转义单引号和反斜杠，但开发者仍需确认charset设置一致，否则可能出现乱码导致语句解析异常。

四、连接池与异常处理

短连接频繁创建销毁会带来明显开销。虽然pymysql本身不带连接池，但可结合DBUtils等库实现。以下示例展示用PersistentDB维持每个线程独立连接。

from dbutils.persistent_db import PersistentDB
import pymysql

pool = PersistentDB(
    creator=pymysql,
    maxusage=1000,
    host='127.0.0.1',
    user='root',
    password='your_password',
    database='test_db',
    charset='utf8mb4'
)

conn = pool.connection()
try:
    with conn.cursor() as cur:
        cur.execute('SELECT 1')
        print(cur.fetchone())
finally:
    conn.close()

异常处理上，应捕获pymysql.err.OperationalError来区分连接超时、认证失败等不同情况。对于临时性网络抖动，可加重试逻辑；对于认证错误，重试无意义，应直接告警。

合理设置connect_timeout和read_timeout也能避免脚本卡死。在Web服务中，把连接池大小控制在数据库最大连接数的七成以内，可留余地给运维命令使用。

五、常见坑与排查思路

编码问题是高频坑。若数据库是utf8mb4而连接用了utf8，写入emoji会报错。统一charset为utf8mb4最稳妥。其次是时区，MySQL的time_zone若与程序所在机器不一致，时间字段会出现偏差，可在连接串加init_command设置。

conn = pymysql.connect(
    host='127.0.0.1',
    user='root',
    password='your_password',
    database='test_db',
    charset='utf8mb4',
    init_command="SET time_zone='+08:00'"
)

还有一种是游标未关闭导致内存占用高。fetchall一次性拉全表在大数据量时会撑爆内存，应改成分页fetchmany或服务端游标。遇到Commands out of sync错误，通常是上一条查询的结果集没读完就执行新命令，需确保先消费完再继续。

掌握上述用法后，Python配合pymysql处理日常MySQL任务已经足够。后续可进一步了解事务隔离级别和慢查询日志，把数据层做得更稳。

pymysqlPython_MySQL数据库连接修改时间：2026-08-08 18:33:32