Python开发者必备：SQLite轻量级数据库实战指南

1. SQLite 数据库入门：Python 开发者的轻量级数据存储方案

作为一名 Python 开发者，我经常需要处理各种数据存储需求。从简单的脚本到中型项目，SQLite 一直是我的首选解决方案。它就像数据库界的瑞士军刀——小巧但功能齐全，无需额外配置就能直接使用。

SQLite 的最大优势在于它的"零配置"特性。与 MySQL 或 PostgreSQL 这些需要单独安装和配置的数据库系统不同，SQLite 直接以单个文件形式存储数据，Python 标准库中内置了 sqlite3 模块，这意味着你可以立即开始使用，无需任何额外安装。

在实际项目中，我发现 SQLite 特别适合以下场景：

• 本地应用程序的数据存储
• 移动应用（iOS/Android 都原生支持 SQLite）
• 中小型网站的数据库后端
• 数据分析的中间结果存储
• 原型开发和测试环境

提示：虽然 SQLite 功能强大，但它并不适合高并发的写入场景。如果你的应用需要处理大量并发写入（比如每秒超过 100 次写入），可能需要考虑客户端-服务器架构的数据库系统。

2. SQLite 基础操作详解

2.1 数据库连接与游标管理

在 Python 中使用 SQLite 的第一步是建立连接。连接对象不仅负责与数据库文件的通信，还管理事务等重要功能。

python复制import sqlite3

# 建立数据库连接
# 如果文件不存在会自动创建
conn = sqlite3.connect('my_database.db')

# 创建游标对象
cursor = conn.cursor()

# 检查 SQLite 版本
cursor.execute('SELECT sqlite_version()')
version = cursor.fetchone()[0]
print(f"当前 SQLite 版本: {version}")

# 关闭连接
conn.close()

在实际开发中，我强烈建议使用上下文管理器（with 语句）来管理数据库连接，这样可以确保连接总是被正确关闭，即使在发生异常的情况下：

python复制with sqlite3.connect('my_database.db') as conn:
    cursor = conn.cursor()
    # 执行各种数据库操作
    # 不需要显式调用 conn.close()

2.2 表设计与创建

良好的表设计是数据库应用的基础。在 SQLite 中创建表时，需要考虑字段类型、约束和索引。

SQLite 支持以下几种主要数据类型：

• NULL: 空值
• INTEGER: 整数
• REAL: 浮点数
• TEXT: 文本字符串
• BLOB: 二进制数据

下面是一个更完整的用户表示例，包含了各种约束和索引：

python复制create_users_table = """
CREATE TABLE IF NOT EXISTS users (
    id INTEGER PRIMARY KEY AUTOINCREMENT,
    username TEXT NOT NULL UNIQUE,
    password_hash TEXT NOT NULL,
    email TEXT UNIQUE CHECK(email LIKE '%@%.%'),
    age INTEGER CHECK(age >= 0),
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
    updated_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
    is_active BOOLEAN DEFAULT 1
);
"""

# 添加索引
create_index = "CREATE INDEX IF NOT EXISTS idx_users_username ON users (username);"

with sqlite3.connect('app.db') as conn:
    conn.execute(create_users_table)
    conn.execute(create_index)
    conn.commit()

注意事项：SQLite 的 ALTER TABLE 功能有限，一旦表创建后，修改表结构会比较麻烦。因此，在设计阶段就要仔细考虑表结构，特别是主键和约束。

3. CRUD 操作实战技巧

3.1 高效数据插入

在实际项目中，我们经常需要插入大量数据。以下是几种不同的插入方法及其性能比较：

1. 单条插入（最慢）：

python复制cursor.execute("INSERT INTO products (name, price) VALUES (?, ?)", ('Product A', 19.99))

2. 多条插入（使用 executemany）：

python复制products = [('Product B', 29.99), ('Product C', 39.99)]
cursor.executemany("INSERT INTO products (name, price) VALUES (?, ?)", products)

3. 批量事务插入（最快）：

python复制def batch_insert(conn, data, batch_size=1000):
    cursor = conn.cursor()
    try:
        for i in range(0, len(data), batch_size):
            batch = data[i:i+batch_size]
            cursor.executemany("INSERT INTO products (name, price) VALUES (?, ?)", batch)
            conn.commit()  # 每批提交一次
    except Exception as e:
        conn.rollback()
        raise e

在我的性能测试中，对于 10,000 条记录：

• 单条插入耗时约 12 秒
• executemany 耗时约 1.5 秒
• 批量事务插入（每 1000 条提交一次）耗时约 0.8 秒

3.2 高级查询技巧

SQLite 支持大多数标准 SQL 查询功能。以下是一些实用技巧：

1. 分页查询：

python复制# 获取第2页，每页10条
page = 2
per_page = 10
cursor.execute("SELECT * FROM products ORDER BY id LIMIT ? OFFSET ?", 
              (per_page, (page-1)*per_page))

2. 模糊查询：

python复制search_term = '%apple%'
cursor.execute("SELECT * FROM products WHERE name LIKE ?", (search_term,))

3. 聚合查询：

python复制cursor.ex