新闻详情

新闻详情

首页 / 资讯中心 / 详情

Python3 提取 MySQL 数据并转字典数组:TaoToken 统一 Key 配置与验证

发布时间:2026/11/17 4:44:32来源:尧图网络
Python3 提取 MySQL 数据并转字典数组:TaoToken 统一 Key 配置与验证
1. 从一次数据导出需求说起Python3 提取 MySQL 数据并转成字典数组是后端脚本、数据清洗、接口返回组装里出现频率极高的一步。你查完库拿到的是元组列表但下游要的是[{id:1,name:...}]这种结构中间这层转换如果写得不稳字段顺序、列名大小写、空值处理都会埋坑。这篇就聚焦这条完整链路连接参数怎么配、cursor 类型怎么选、字段映射怎么写、返回结构怎么验证最后给一份可复制的config.toml骨架和统一 Key 配置示例。适合谁看刚接触 pymysql 想一次写对的同学已经能查库但返回结构总对不上的同学想把数据库连接信息从代码里抽出来、用统一配置管理的同学。核心检索词就三个python3、mysql、字典数组。下面所有代码我都实际跑过参数和报错都来自真实终端输出。先说结论转字典数组最稳的写法是cursor.description取列名再配合zip和字典推导式一行搞定不用手写索引循环。但前提是连接和 cursor 配置要对否则description拿不到、中文乱码、字段名重复这些问题会接连出现。2. TaoToken 统一 Key 前置配置在写数据库脚本之前先把模型调用这条线的前置配置理清。很多同学的数据脚本后面要接一个「把查询结果丢给模型做摘要/分类」的步骤这时候如果每个脚本都硬编码一份 Key维护起来很痛苦。TaoToken 提供统一 Key 的方式把模型访问收敛到一个入口脚本里只读配置。官网入口https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentAPI 地址https://taotoken.net/api你需要先拿到 Key再去控制台确认额度与模型可用性。这几个 deep link 按用途分模型对话验证模型是否通https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentmodel-chatCoding Plan长期编码/Agent 场景https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentcoding-plan控制台https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentconsoleAPI Keys 管理https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentapi-keys接入文档https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentdocClaudeCodeAnthropic 相关https://taotoken.net/claude-code-anthropic?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentclaudecode注意Key 只放在本地配置文件或环境变量里不要提交到 Git。下面config.toml里的占位符记得替换成你自己的值。3. 可复制的 config.toml 与连接配置3.1 config.toml 骨架把数据库连接和模型 Key 都收进一个 TOML 文件Python3 用标准库tomllib3.11或tomli读取。骨架如下# config.toml [mysql] host 127.0.0.1 port 3306 user root password your_password database data charset utf8mb4 [taotoken] api_base https://taotoken.net/api api_key sk-替换成你的Key model gpt-4o-minicharset建议用utf8mb4比utf8多支持 emoji 和部分生僻字避免写入时报Incorrect string value。3.2 读取配置并建立连接import tomllib # Python 3.11低版本用 pip install tomli 后 import tomli as tomllib import pymysql with open(config.toml, rb) as f: cfg tomllib.load(f) mysql_cfg cfg[mysql] conn pymysql.connect( hostmysql_cfg[host], portmysql_cfg[port], usermysql_cfg[user], passwordmysql_cfg[password], databasemysql_cfg[database], charsetmysql_cfg[charset], cursorclasspymysql.cursors.DictCursor, # 关键直接返回字典 )这里有个关键选择cursorclass。pymysql 默认是Cursorfetchall()返回元组列表设成DictCursor后每行直接是字典列名做 key。两种路线cursor 类型fetchall 返回转字典数组成本适用场景Cursor默认元组列表需手动 zip 列名需要按位置取值、列名重复DictCursor字典列表几乎为零绝大多数业务查询如果你用DictCursor其实第 4 节的转换代码可以省掉但很多老项目、或者需要兼容多种 cursor 的场景还是得会手动转。下面两种都讲。4. 查询结果转字典数组的三种写法4.1 手动 zip 列名推荐这是最通用、最好理解的写法不依赖DictCursorimport pymysql conn pymysql.connect( host127.0.0.1, port3306, userroot, passwordyour_password, databasedata, charsetutf8mb4, ) sql SELECT id, name, certificate_no FROM userinfo cursor conn.cursor() try: cursor.execute(sql) columns [col[0] for col in cursor.description] # 取列名 rows cursor.fetchall() data_dict [dict(zip(columns, row)) for row in rows] print(data_dict) except Exception as e: conn.rollback() print(查询失败:, e) finally: cursor.close() conn.close()cursor.description是一个元组序列每个元素形如(id, None, None, None, None, None, None)第 0 位就是列名。zip(columns, row)把列名和值配对dict()转成字典外层列表推导式把每行都转一遍最终就是字典数组。4.2 用 DictCursor 直接拿如果你在连接时已经设了cursorclasspymysql.cursors.DictCursor那fetchall()本身就是字典数组cursor conn.cursor() cursor.execute(SELECT id, name FROM userinfo) data_dict cursor.fetchall() # 直接就是 [{id:1,name:...}]省事但要注意DictCursor下如果 SQL 里有同名列比如 join 两张表都有id后面的会覆盖前面的得用别名区分。4.3 迭代函数 map了解即可有些老代码用map加自定义函数def row_to_dict(row): return dict(zip([c[0] for c in cursor.description], row)) data_dict list(map(row_to_dict, cursor.fetchall()))功能等价但可读性不如列表推导式而且cursor.description在函数里是闭包引用容易踩作用域坑。新代码不建议这么写。5. 验证返回结构是否为字典数组写完转换逻辑别急着往下游传先验证结构。我习惯加一段断言式检查def validate_dict_array(data): assert isinstance(data, list), 顶层必须是 list for i, row in enumerate(data): assert isinstance(row, dict), f第 {i} 行不是 dict for k in row: assert isinstance(k, str), f第 {i} 行 key 不是字符串: {k} return True result [dict(zip(columns, row)) for row in rows] print(结构校验:, validate_dict_array(result)) print(首行样例:, result[0] if result else 空结果)跑一次真实输出大概是这样结构校验: True 首行样例: {id: 1, name: 张三, certificate_no: 20200317001}如果查询结果为空result是[]校验也通过但result[0]会 IndexError所以打印样例前要判空。这一步能提前拦住「返回了元组列表却当成字典用」的低级错误。6. 本篇常见错排查6.1 报错tuple object has no attribute get说明你拿到的是元组列表却按字典用了。检查连接是否漏了cursorclassDictCursor或者转换那步没执行。用第 5 节的validate_dict_array一测就现形。6.2 中文乱码连接charset写utf8有时不够改成utf8mb4。另外确认表本身的字符集也是utf8mb4否则连接对了、表不对照样乱码。6.3cursor.description为 None只有执行过execute之后description才有值。如果你在execute前就取列名拿到的是None后面zip会报错。顺序必须是execute→ 取description→fetchall。6.4 字段名重复导致覆盖join 查询里两张表都有idDictCursor或zip转字典时后者覆盖前者。解决办法是 SQL 里用别名SELECT a.id AS a_id, b.id AS b_id。6.5 忘记关闭连接用try/finally或with上下文管理确保cursor.close()和conn.close()执行。连接泄漏在长时间运行的脚本里会耗尽连接数。7. 下一步把结果接给模型字典数组拿到后如果你要把它丢给模型做摘要、打标签、生成报告就用第 2 节配好的统一 Key。脚本里读config.toml的[taotoken]段请求发到https://taotoken.net/api模型名按需替换。验证模型是否通直接去模型对话页发一条测试消息最快https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentmodel-chat长期跑编码或 Agent 任务用 Coding Plan 更省心https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentcoding-planKey 管理和额度查看在控制台https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentconsole接入细节和参数说明看文档https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentdoc最后留一个我踩过的坑config.toml里的密码如果含#或TOML 解析会出问题用单引号包裹或转义。数据库连接和模型 Key 都收进配置文件后脚本本身就能干净地只做「查询 → 转字典数组 → 校验 → 下游处理」这一条链路换环境只改配置不改代码。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/16 19:23:38

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/16 6:47:19

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/16 17:28:18

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉