使用 Python 连接 SQL Server 数据库并实时读取数据？

实时读取SQL Server数据库表并进行处理是一个常见的需求。

在Python/ target=_blank class=infotextkey>Python中，可以使用pyodbc库来连接SQL Server数据库，并使用pandas库来进行数据处理。

下面是一个实战示例，演示如何实时读取SQL Server数据库表，并将数据写入Excel文件。

步骤1：安装所需的库

首先，确保已经安装了pyodbc和pandas库。

可以使用以下命令来安装这些库：

pip install pyodbc
pip install pandas

步骤2：连接到SQL Server数据库

使用pyodbc库连接到SQL Server数据库。

首先，需要导入pyodbc库，并使用pyodbc.connect()函数创建一个数据库连接对象。

在连接对象中，需要指定数据库的连接信息，如服务器名称、数据库名称、用户名和密码等。

import pyodbc

# 连接到SQL Server数据库
conn = pyodbc.connect('DRIVER={SQL Server};SERVER=服务器名称;DATABASE=数据库名称;UID=用户名;PWD=密码')

步骤3：读取数据库表数据

使用pandas库的read_sql()函数可以方便地从数据库中读取数据。

该函数接受一个SQL查询语句作为参数，并返回一个包含查询结果的DataFrame对象。

import pandas as pd

# 读取数据库表数据
df = pd.read_sql('SELECT * FROM 表名', conn)

步骤4：处理数据

在DataFrame对象中，可以使用pandas库提供的各种函数和方法对数据进行处理。

例如，可以对数据进行筛选、排序、聚合等操作。

# 对数据进行处理
df_filtered = df[df['列名'] > 100]  # 筛选出列名大于100的数据
df_sorted = df.sort_values('列名')  # 按列名排序数据
df_grouped = df.groupby('列名').sum()  # 按列名分组并求和

步骤5：将数据写入Excel文件

使用pandas库的to_excel()函数可以将DataFrame对象中的数据写入Excel文件。

该函数接受一个文件路径作为参数，并将数据写入指定的Excel文件。

# 将数据写入Excel文件
df.to_excel('文件路径.xlsx', index=False)

步骤6：实现实时读取和写入

要实现每秒钟读取数据库表并写入Excel文件的功能，可以使用Python的time模块来控制读取和写入的时间间隔。

可以使用time.sleep()函数来暂停程序的执行，以实现每秒钟读取一次数据的效果。

import time

while True:
    # 读取数据库表数据
    df = pd.read_sql('SELECT * FROM 表名', conn)

    # 处理数据

    # 将数据写入Excel文件
    df.to_excel('文件路径.xlsx', index=False)

    # 暂停1秒钟
    time.sleep(1)

以上就是使用Python实现实时读取SQL Server数据库表并写入Excel文件的基本步骤。

根据实际需求，可以对代码进行适当的修改和扩展。