mysql executeupdate MySQL 系列：第4篇 增删改有章法（DML）

mysql executeupdate MySQL 系列：第4篇 增删改有章法（DML）

IT策士 10余年一线大厂经验，专注 IT 思维、架构、职场进阶。我会在各个平台持续发布最新文章mysql executeupdate，助你少走弯路。

前面的文章我们学会了建库、建表、选类型，相当于盖好了房子、规划了房间。今天终于要往里面“放家具”和“挪家具”了——这就是 DML（Data ）mysql executeupdate MySQL 系列：第4篇 增删改有章法（DML），包含 、、 三大操作。别小看这三板斧，用不好轻则数据错乱，重则误删全表。我们将用 逐一拆解，并给出生产环境下的安全准则与性能优化技巧。

1. ：把数据塞进去1.1 单行插入，最基础的姿势

import mysql.connector
conn = mysql.connector.connect(
    host="127.0.0.1", port=3306,
    user="root", password="MyNewPass123!",
    database="shop"
)
cursor = conn.cursor()
# 先准备好一张产品表（复用第3篇的结构）
cursor.execute("""
CREATE TABLE IF NOT EXISTS products (
    id INT AUTO_INCREMENT PRIMARY KEY,
    title VARCHAR(200) NOT NULL UNIQUE,
    price DECIMAL(10,2) NOT NULL,
    stock INT DEFAULT 0,
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
) ENGINE=InnoDB
""")
# 单行插入
sql = "INSERT INTO products (title, price, stock) VALUES (%s, %s, %s)"
cursor.execute(sql, ("Python 入门书", 59.90, 100))
conn.commit()
print(f" 插入成功，新 ID = {cursor.lastrowid}")

预期输出：

要点：

1.2 批量插入：效率提升百倍

如果要插入 1000 条数据mysql executeupdate MySQL 系列：第4篇 增删改有章法（DML），单条循环插入会产生 1000 次网络往返。用 一次性提交：

books = [
    ("Python 高级编程", 79.00, 50),
    ("MySQL 实战", 69.00, 80),
    ("Redis 深度历险", 49.00, 120),
    ("Linux 私房菜", 89.00, 30),
]
sql = "INSERT INTO products (title, price, stock) VALUES (%s, %s, %s)"
cursor.executemany(sql, books)
conn.commit()
print(f" 批量插入 {cursor.rowcount} 条记录")

预期输出：

性能对比实验（不妨动手试试）：

用 time 模块计时，插入 10000 条数据，单条循环 vs 的耗时可能相差几十倍。这就是批量操作的威力。

1.3 存在即更新：ON KEY

当唯一键冲突时，我们不想报错，而是希望更新某些字段。例如同一本书再次入库时，累加库存：

sql = """
INSERT INTO products (title, price, stock)
VALUES (%s, %s, %s)
ON DUPLICATE KEY UPDATE stock = stock + VALUES(stock)
"""
cursor.execute(sql, ("Python 入门书", 59.90, 50))
conn.commit()
print(f" 库存已累加，受影响行数: {cursor.rowcount}")

预期输出：

注意：如果冲突发生且执行了更新， 返回 2；如果是全新插入返回 1。可据此判断操作类型。

1.4 ：冲突时静默跳过

INTO … 遇到主键或唯一键冲突时直接忽略，不报错也不更新。

cursor.execute("INSERT IGNORE INTO products (title, price, stock) VALUES (%s, %s, %s)",
               ("Python 入门书", 59.90, 10))
conn.commit()
print(f"受影响行数: {cursor.rowcount}")  # 0，因为已存在

2. ：修改已有数据2.1 基础语法与 示例

UPDATE 表名 SET 列1=值1, 列2=值2 WHERE 条件;

无 WHERE 的 会修改全表！ 这是生产事故的高发区。来看一个安全示例：

# 将 id=1 的商品价格上调 10%
cursor.execute("UPDATE products SET price = price * 1.1 WHERE id = %s", (1,))
conn.commit()
print(f" 更新了 {cursor.rowcount} 行")

2.2 安全准则：先查后改

在大批量更新前，最好先用相同 WHERE 条件执行 ，确认受影响的行数：

# 安全三步走：查看 → 确认 → 更新
cursor.execute("SELECT COUNT(*) FROM products WHERE stock < 10")
count = cursor.fetchone()[0]
print(f"️ 即将清空 {count} 件低库存商品的库存，是否继续？")
# 实际生产中这里应该有确认逻辑
if count < 100:
    cursor.execute("UPDATE products SET stock = 0 WHERE stock < 10")
    conn.commit()
    print(f" 已将 {cursor.rowcount} 件商品库存置 0")

2.3 利用 LIMIT 防止误更新大量数据

UPDATE products SET stock = 0 WHERE stock < 10 LIMIT 10;

分批更新mysql executeupdate，每次只影响少量行，降低事故爆炸半径。

3. ：删数据是件严肃的事3.1 基础

同样，无 WHERE 会清空整个表。建议开启 MySQL 的 –safe- 模式（或设置 =1），在没带 WHERE 或 LIMIT 时拒绝执行。

# 删除 id=5 的记录
cursor.execute("DELETE FROM products WHERE id = %s", (5,))
conn.commit()
print(f" 删除了 {cursor.rowcount} 行")

3.2 软删除 vs 硬删除

生产环境很少物理删除数据，通常采用软删除：增加 字段，标记为 1。

ALTER TABLE products ADD COLUMN is_deleted TINYINT DEFAULT 0;

删除操作变为：

cursor.execute("UPDATE products SET is_deleted = 1 WHERE id = %s", (3,))
conn.commit()

所有查询后面追加 WHERE = 0，数据可恢复，符合审计要求。

3.3 ：快速清空表

TABLE 相当于 DROP + ，速度极快，不记日志（因此无法回滚），且重置自增 ID。适合清空测试数据，生产慎用。

4. 批量数据导入导出思路

实际工作中经常需要将 CSV 或外部数据导入 MySQL，或者导出备份。这里给出 实现方案。

4.1 从 CSV 文件导入

假设有 .csv 文件：

title,price,stock
机器学习,79.00,40
深度学习,89.00,30

import csv
with open("products.csv", "r", encoding="utf-8") as f:
    reader = csv.DictReader(f)
    data = [(row['title'], row['price'], row['stock']) for row in reader]
sql = "INSERT INTO products (title, price, stock) VALUES (%s, %s, %s)"
cursor.executemany(sql, data)
conn.commit()
print(f" 从 CSV 导入了 {cursor.rowcount} 行")

4.2 导出到 CSV

cursor.execute("SELECT title, price, stock FROM products WHERE is_deleted = 0")
rows = cursor.fetchall()
with open("export_products.csv", "w", newline='', encoding="utf-8") as f:
    writer = csv.writer(f)
    writer.writerow(["title", "price", "stock"])
    writer.writerows(rows)
print(" 导出完成")

更高效的方式是使用 MySQL 自带的 INTO ，但需服务器文件权限。 方案更灵活。

5. 事务在 DML 中的角色

DML 操作通常在事务中执行，保证原子性：要么全成功，要么全回滚。 默认需要在 DML 后显式 ()，否则关闭连接时自动回滚。

try:
    cursor.execute("UPDATE products SET stock = stock - 10 WHERE id = 1")
    cursor.execute("UPDATE products SET stock = stock + 10 WHERE id = 2")
    conn.commit()
except Exception as e:
    conn.rollback()
    print(f" 事务回滚: {e}")

这是实现转账、库存扣减等业务的基础。后续文章会深入讲解事务隔离级别与锁。

6. 动手试试：搭建一个小型进货系统

模拟一个图书进货流程：

插入新书，如果已存在则累加库存。更新库存时，如果更新后库存为负则回滚（使用 检查）。将所有价格低于 60 元的书打 9 折。导出当前全部库存到 CSV。

你可以基于前面的 表练习mysql executeupdate，参考代码框架如下：

# 进货
book = ("Python 入门书", 59.90, 20)
cursor.execute("""
INSERT INTO products (title, price, stock) VALUES (%s,%s,%s)
ON DUPLICATE KEY UPDATE stock = stock + VALUES(stock)
""", book)
# 安全扣减库存
cursor.execute("SELECT stock FROM products WHERE id = 1")
stock = cursor.fetchone()[0]
if stock >= 5:
    cursor.execute("UPDATE products SET stock = stock - 5 WHERE id = 1")
    conn.commit()
else:
    print("库存不足")
# 打折
cursor.execute("UPDATE products SET price = price * 0.9 WHERE price < 60")
conn.commit()
# 导出（代码见前）

7. 总结

DML 看似简单，却是日常工作中最容易出事故的地方。记住三条铁律：

下一篇我们将进入 查询的艺术，学习如何从海量数据中精准、高效地取出想要的内容。下次见！

想了解更多还可以去各个平台搜索「IT策士」，一起升级 IT 思维 ！