Python3连接MySQL实战：驱动选型、CRUD、事务与连接池详解

简介：一份Python3连接并操作MySQL数据库的实战讲解资源，面向正在学习PyMySQL库的初中级Python开发者，也适合需要在多数据库环境中快速搭建连接模块的工程人员。内容基于Python3.7与PyMySQL0.9.3，围绕封装后的数据库连接类展开，覆盖连接配置、游标使用、SQL执行、事务提交与异常回滚等关键环节，并分别演示查询、增、删、改四类操作。资源为单个PDF文档，体积仅约50KB，可在手机或电脑上随时查阅。PDF内附完整类定义及do_one、select两个方法的逐段解析，包括连接参数dict的字段说明与返回结果结构，便于读者直接复制改造，迅速应用到实际项目中。该资源已有2395人学习浏览，适合想要通过一份精简文档快速掌握Python+MySQL核心操作的学习者。

1. Python3 连接 MySQL，先选对驱动再动手

Python3 连接 MySQL 做增删改查，是爬虫落库、后台接口、数据清洗脚本里绕不开的基础动作。很多人拿到需求就装个 PyMySQL 写 connect()，但连接参数、字符集、事务边界没想清楚，等数据写进去才发现乱码、丢更新或者连接被服务端掐断。这篇文章按「选驱动 → 建连接 → 写操作 → 管事务 → 排错」的顺序展开，从最小可运行代码讲到连接池和健康检查，适合刚接触 Python3 数据库编程的新手，也适合从其他语言转过来、想快速对齐细节的工程师。读完你应该能独立写出带参数化 SQL、事务和异常处理的存取代码。

2. Python3 与 MySQL 连接环境搭建：驱动选型、安装与最小连接

动手前先把驱动定下来。Python3 下连 MySQL 不像 JDBC 只有一条官方路径，社区和官方给了好几个选择，选错会在编译和认证阶段浪费不少时间。

2.1 PyMySQL 与 mysql-connector-python：两个常用驱动怎么选

MySQLdb 是 Python2 时代的主力，Python3 下对应 mysqlclient，但它依赖 C 编译，在 Windows 上装 wheels 偶尔要补运行库，为一个脚本折腾编译不值得。PyMySQL 是纯 Python 实现，pip 装上直接能用，支持 MySQL 5.7 到 8.0 的 caching_sha2_password 认证，社区资料最多，出问题一搜就有答案。mysql-connector-python 是官方出品，API 和 PyMySQL 高度相似，但包体积大，速度无明显优势，除非项目规定了官方依赖，我一般默认选 PyMySQL。

补一个兼容技巧：老项目代码里有 import MySQLdb 的，可以在入口处用 pymysql.install_as_MySQLdb() 做替换，避免改全量业务代码。注意这个方法只保证基础 API 兼容，别指望底层 C 类型也完全一致。

2.2 pip 安装并验证：Python3 环境常见坑

# 建虚拟环境，避免污染系统 Python（PEP 668 环境下 pip 会拒绝直接装） python3 -m venv .venv && source .venv/bin/activate pip install pymysql # 验证驱动可导入 python3 -c "import pymysql; print(pymysql.__version__)"

前三行先建虚拟环境，这是系统 Python 普遍启用 externally-managed-environment 后最常见的坑，不建 venv 直接 pip install 会报错。后两行是验证，能打印版本号说明驱动装好了；如果 import 报错，先确认当前 shell 是否真的在虚拟环境里，再看 pip list。后面再用 pycharm 或 vscode 配好的 python 环境加载同一个虚拟环境，调试时可以直接在 IDE 里断点观察游标内容。

连接前还要确认 MySQL 服务本身在跑。装好 MySQL 8.0 后初始密码随安装方式不同：Windows 安装器会让你设置，Linux 仓库包则常写在 /var/log/mysql/error.log 里。我一般先用 mysql workbench 建一条连接验证账号能登录，再回过来排查 Python 侧，这样能把问题快速切成「MySQL 没起来」还是「Python 连不上」两段。

2.3 第一条 Python3 连接 MySQL 的代码：参数逐项说明

import pymysql conn = pymysql.connect( host='127.0.0.1', # MySQL 所在主机，跨机写内网 IP port=3306, # 默认端口，改过要同步 user='root', password='your_password', charset='utf8mb4', # 必须写，避免中文乱码 connect_timeout=3, # 秒，超时快速失败 ) with conn.cursor() as cur: cur.execute('SELECT VERSION()') print(cur.fetchone()) conn.close()

connect() 返回的是连接对象，真正的 SQL 执行要交给游标 cursor。connect_timeout 很多人不写，默认值在 MySQL 不可达时会让程序卡很久，调试期建议显式设 3 秒。charset 用 utf8mb4 而不是 utf8，因为 MySQL 的 utf8 实际只存 3 字节，遇到 emoji 或生僻字会直接报错。host 写 127.0.0.1 而不是 localhost，两者在账号授权表里可能对应不同记录，本地开发没问题，跨机联调时经常遇到 1045 权限错误，属正常现象。

提示：with conn.cursor() 只关游标，不关连接。连接还是要手动 close()，或放进 finally 里保证释放。

3. Python3 操作 MySQL 增删改查：游标、参数化 SQL 与结果读取

连接建好后，真正的日常工作是增删改查。这一章从游标机制讲起，给出一套可以直接抄的 CRUD 代码，再讲清结果集怎么读才不容易踩内存和状态同步的坑。

3.1 游标与连接的关系：为什么 Python3 操作 MySQL 要先建 cursor

MySQL 连接本质是一条 TCP 长连接，把 SQL 发给服务端、再收回结果集。游标可以理解成挂在连接上的「结果集管道」：同一个连接可以反复创建多个游标，但同一时刻未读尽的结果集和下一次 execute 会互相干扰。默认的 Cursor 返回元组，每一行是 (id, name, age)，适合代码里列顺序固定的场景；需要按列名取值时改成 pymysql.cursors.DictCursor，返回字典，可读性高很多。

一个常见误区是认为 with conn.cursor() 会把连接也关掉。实际上它只调 cursor.close()，把该游标未读完的结果清理掉，连接本身还活着。理解这点，写多批次操作时就不会因为「游标已关闭」而反复新建连接。

3.2 增删改查的最小代码：参数化 SQL 的四个例子

import pymysql conn = pymysql.connect( host='127.0.0.1', user='root', password='your_password', database='test_db', charset='utf8mb4', ) try: with conn.cursor() as cur: cur.execute( 'CREATE TABLE IF NOT EXISTS user_info (' ' id INT AUTO_INCREMENT PRIMARY KEY,' ' name VARCHAR(50) NOT NULL,' ' age INT NOT NULL DEFAULT 0,' ' created_at DATETIME DEFAULT CURRENT_TIMESTAMP)' ) # C：插入，%s 占位，值由第二个参数传入 cur.execute( 'INSERT INTO user_info (name, age) VALUES (%s, %s)', ('ali', 28), ) print('新插入 id:', cur.lastrowid) # U：更新，条件也走参数，绝不拼字符串 cur.execute( 'UPDATE user_info SET age = %s WHERE name = %s', (29, 'ali'), ) print('受影响行数:', cur.rowcount) # R：查询，带过滤和排序 cur.execute( 'SELECT id, name, age FROM user_info WHERE age > %s ORDER BY age DESC', (20,), ) for row in cur.fetchall(): print(row) # D：删除 cur.execute('DELETE FROM user_info WHERE name = %s', ('ali',)) conn.commit() finally: conn.close()

四个操作共用同一个连接和同一个游标，commit 放在所有写操作之后，保证一组操作要么全部生效、要么全部回滚。lastrowid 是刚插入的自增主键，批量导入后要拿 id 关联外键时很有用；rowcount 表示 UPDATE/DELETE 实际影响的行数，不是「匹配到」的行数，返回 0 说明该行已不存在。

PyMySQL 的占位符是 %s，不管字段是字符串还是数字都写 %s，由驱动负责类型转换。严禁用 f-string 拼 SQL，比如f"SELECT * FROM t WHERE name='{name}'"，这等于把 SQL 注入漏洞直接暴露给调用方；参数化之后特殊字符会被转义，注入和引号报错同时消失。调用存储过程也走同一套 execute，写成cur.execute('CALL proc(%s)', (arg,))，参数化规则不变。

3.3 fetchone、fetchmany、fetchall：查询结果怎么读

三个方法都在消费同一个结果集。fetchall 一次性把所有行读进内存，几千行没问题，几十万行会把 Python 进程内存顶爆。fetchmany(size) 适合边读边处理，配合生成器写成分批任务。还有一类流式读取场景，PyMySQL 提供 SSCursor，它不在客户端缓存结果，而是边读边从网络取，适合导出大表；副作用是读取期间该连接不能再执行其他 SQL，否则报 "Commands out of sync"，这点很容易踩。

另外要提醒：同一个连接上，下一次 execute() 会丢掉上一次未读完的结果。如果你 fetchall 后没取完就想再查别的，先确认结果被消费干净，否则第二次查询拿到空结果或直接报错。习惯上一条结果集处理完再开下一条，两条查询交替用不同游标更安全。

4. 事务、连接池与异常处理：Python3 操作 MySQL 的进阶细节

基础 CRUD 跑通后，真正拉开差距的是事务边界、连接复用和异常定位。这三件事决定代码在并发和故障场景下是稳定还是频繁出暗病。

4.1 commit 与 rollback：Python3 操作 MySQL 的事务边界

PyMySQL 默认 autocommit=False，意味着每次 UPDATE/INSERT/DELETE 虽然执行成功，但只在当前事务里可见，必须 commit() 才算落盘。很多人写脚本没有 commit，程序退出后数据神秘消失，十有八九是这个原因。反过来，查询 SELECT 不需要 commit，它不改变数据。

try: with conn.cursor() as cur: cur.execute('UPDATE user_info SET age = age + 1 WHERE name = %s', ('ali',)) cur.execute('INSERT INTO user_log (name, action) VALUES (%s, %s)', ('ali', 'update_age')) conn.commit() except Exception: conn.rollback() raise

把两个写操作放进同一个事务是正确的，第二个失败时 rollback 会把第一个也撤掉，避免「改了数据但没记日志」这类半截状态。注意 rollback 之后要重新 raise，否则调用方拿到的连接处于可用状态但事务上下文已经没了，继续往下走会产生幻觉数据。还有一点经常被忽略：MySQL 的 DDL（CREATE/ALTER/DROP）隐式提交，不能回滚，所以建表语句要放在事务外面。

4.2 用 DBUtils 连接池复用 Python3 的 MySQL 连接

短脚本里一次连接一次关闭没毛病，但 Web 接口每请求都建连，TCP 握手加认证的耗时会被放大。常见做法是用 DBUtils 的 PooledDB 维护一批连接，用完归还而不是关闭。注意新版 DBUtils 的导入路径已经变成 dbutils.pooled_db，老资料里的 from DBUtils.PooledDB 在新版本会直接 ImportError。

pip install DBUtils

from dbutils.pooled_db import PooledDB import pymysql pool = PooledDB( creator=pymysql, maxconnections=10, # 连接池最大容量 mincached=2, # 空闲时最少保留 maxcached=5, # 空闲时最多保留 blocking=True, # 池满时阻塞等待，而不是报错 ping=1, # 取连接时探活，防止拿到已被服务端断开的连接 host='127.0.0.1', user='root', password='your_password', database='test_db', charset='utf8mb4', ) conn = pool.connection() with conn.cursor() as cur: cur.execute('SELECT COUNT(*) FROM user_info') print(cur.fetchone()) conn.close() # 归还连接，不是真关闭

maxconnections 是上限，超过后新请求按 blocking 决定是等待还是抛异常；ping=1 表示每次取连接时先做轻量探活，配合 MySQL 的 wait_timeout 默认 8 小时，能避免拿到早已被服务端回收的连接。pool.connection() 拿到的对象用法和普通连接一致，但 conn.close() 语义变成归还，归还后又调底层接口真的断开，连接池就白搭了。

4.3 异常类型与排错顺序

排错固定按四层走：第一，MySQL 本身活着吗，用 workbench 或 mysql 命令行试连；第二，账号授权对不对，跨机连接要确认 user 是 'user'@'%' 而不是只允许 localhost；第三，连接参数对不对，端口、密码、database 是否存在；第四，SQL 本身有没有问题，把报错里的 SQL 片段复制到命令行执行一遍。Python 侧所有数据库异常都挂在 Exception 下面，但不建议裸 except Exception 吞掉，至少把错误码打出来。

from pymysql.err import OperationalError, IntegrityError try: conn = pymysql.connect(host='127.0.0.1', user='root', password='x', database='test_db') except OperationalError as e: # e.args[0] 是错误码，e.args[1] 是可读信息 print(f'{e.args[0]}: {e.args[1]}')

pymysql 的异常 args 第一个元素是 MySQL 错误码，第二个是消息文本，写日志时两个都要留。2002 表示 socket 连不上，先查服务端口；1045 是密码或授权问题，查账号权限；2013 Lost connection 多半是 SQL 太大或执行超过 net_read_timeout，要调服务端参数而不是改 Python。

5. 用最小健康检查脚本验证 Python3 连 MySQL 的每一层

这章给一个能直接落地的做法：把连接检查封装成自检函数，部署前和排障时各跑一次，把「服务没起」「授权不对」「SQL 写错」三层问题一次性曝出来。

import time import pymysql def check_mysql(host='127.0.0.1', user='root', password='', database='test_db', port=3306): start = time.time() try: conn = pymysql.connect( host=host, port=port, user=user, password=password, database=database, charset='utf8mb4', connect_timeout=3, ) conn.ping(reconnect=True) with conn.cursor() as cur: cur.execute('SELECT 1') assert cur.fetchone()[0] == 1 cur.execute("SHOW VARIABLES LIKE 'collation_server'") print('collation:', cur.fetchone()[1]) print(f'ok, {time.time() - start:.3f}s') conn.close() return True except Exception as e: print('failed:', type(e).__name__, e) return False check_mysql()

三段检查各有用途：connect_timeout=3 保证 MySQL 不可达时 3 秒内报错而不是挂起；conn.ping(reconnect=True) 会在断链时尝试重连一次，验证连接没有被服务端回收；SELECT 1 是数据库界通用的连通性探针，比查版本号更轻。最后打印 collation_server，顺带确认服务端字符集是 utf8mb4 系，避免客户端写了 utf8mb4、服务端却是 latin1，导致存进库里的中文变形。

自检通过后再处理两个高频坑：一是执行大批量写入报 1153 或 2006，那是 max_allowed_packet 太小，改用 executemany 分批并把单批控制在几千行以内；二是程序空闲一段时间后第一次查询特别慢，那是 wait_timeout 断链后重连的正常代价，连接池里把 ping 打开就能缓解。把这些检查写进部署脚本，Python3 连 MySQL 这层基本不会再出暗故障。

本文还有配套的精品资源，点击获取