当前位置:首页 > 文章列表 > 文章 > python教程 > DB-API参数化SQL执行方法详解

DB-API参数化SQL执行方法详解

2025-09-04 13:37:08 0浏览 收藏

本文针对在使用 SQLAlchemy 中遇到的 `sqlalchemy.exc.ArgumentError: List argument must consist only of tuples or dictionaries` 错误,详细讲解如何使用 DB-API 风格的绑定参数执行 SQL 语句,从而解决该问题。通过示例代码,展示了如何利用 `exec_driver_sql` 方法正确地传递参数,安全地执行 SQL 语句,特别是在执行 DELETE 语句时,如何绑定日期参数删除早于指定日期的日志。强调了使用参数绑定防止 SQL 注入的重要性,并提供了关于数据库驱动兼容性、数据类型匹配等注意事项。适用于 SQLAlchemy 2.0 及更高版本,旨在帮助开发者更有效地使用 SQLAlchemy 执行 SQL 操作,提升代码安全性与可维护性。

使用 DB-API 风格绑定参数执行 SQL 语句

本文档旨在指导读者如何在 SQLAlchemy 中使用 DB-API 风格的绑定参数执行 SQL 语句,特别是针对 sqlalchemy.exc.ArgumentError: List argument must consist only of tuples or dictionaries 错误的解决方案。我们将通过示例代码演示如何正确地传递参数,并提供一些注意事项,以确保 SQL 语句的安全执行。

在使用 SQLAlchemy 执行 SQL 语句时,有时需要使用绑定参数来防止 SQL 注入,并提高代码的可读性和可维护性。当遇到 sqlalchemy.exc.ArgumentError: List argument must consist only of tuples or dictionaries 错误时,通常是由于参数传递的方式不正确导致的。

下面将介绍如何使用 exec_driver_sql 方法来解决这个问题。

问题描述

在使用 SQLAlchemy 执行 DELETE 语句,并尝试使用绑定参数删除早于指定日期的日志时,可能会遇到上述错误。例如,以下代码:

from datetime import datetime, timedelta

import sqlalchemy

db_con_string = 'Driver={ODBC Driver 17 for SQL Server};Server=tcp...'
connection_url = sqlalchemy.engine.URL.create("mssql+pyodbc",
                                              query={"odbc_connect": db_con_string})
engine = sqlalchemy.create_engine(connection_url)

with engine.begin() as sql_conn:
    command = 'delete myschema.Logs where [DateTimeSent] < ?'
    params = ((datetime.utcnow() + timedelta(days=-90)), )
    sql_conn.execute(sqlalchemy.sql.text(command), params)

这段代码会抛出 sqlalchemy.exc.ArgumentError 异常。

解决方案

解决此问题的方法是使用 exec_driver_sql 方法,该方法允许直接使用 DB-API 风格的参数绑定。

修改后的代码如下:

from datetime import datetime, timedelta

import sqlalchemy

db_con_string = 'Driver={ODBC Driver 17 for SQL Server};Server=tcp...'
connection_url = sqlalchemy.engine.URL.create("mssql+pyodbc",
                                              query={"odbc_connect": db_con_string})
engine = sqlalchemy.create_engine(connection_url)

with engine.begin() as sql_conn:
    command = 'delete myschema.Logs where [DateTimeSent] < ?'
    params = (datetime.utcnow() + timedelta(days=-90), )  # Corrected params
    sql_conn.exec_driver_sql(command, params)

代码解释

  1. exec_driver_sql 方法: sql_conn.exec_driver_sql(command, params) 允许你直接使用 DB-API 驱动程序提供的参数绑定机制。
  2. 参数格式: params 变量应该是一个元组,其中包含要传递给 SQL 语句的参数。在此示例中,我们将 datetime 对象作为参数传递。注意,这里将 params 修改为一个包含 datetime 对象的元组 (datetime.utcnow() + timedelta(days=-90), )。

注意事项

  • SQL 注入: 始终使用参数绑定来防止 SQL 注入攻击。不要直接将用户输入拼接到 SQL 语句中。
  • 数据库驱动: 确保你使用的数据库驱动程序支持 DB-API 风格的参数绑定。不同的数据库驱动程序可能对参数绑定的语法有不同的要求。
  • 数据类型: 确保传递给 SQL 语句的参数类型与数据库列的类型匹配。例如,如果数据库列是 datetime 类型,则应该传递 datetime 对象。
  • SQLAlchemy 版本: 该方法在 SQLAlchemy 2.0 及更高版本中适用。

总结

当在使用 SQLAlchemy 执行 SQL 语句时遇到 sqlalchemy.exc.ArgumentError 错误,并且涉及到参数绑定时,可以尝试使用 exec_driver_sql 方法。确保正确地格式化参数,并始终注意防止 SQL 注入。通过遵循这些步骤,可以更有效地使用 SQLAlchemy 执行 SQL 语句,并提高代码的安全性。

好了,本文到此结束,带大家了解了《DB-API参数化SQL执行方法详解》,希望本文对你有所帮助!关注golang学习网公众号,给大家分享更多文章知识!

HTML地图可访问性优化技巧HTML地图可访问性优化技巧
上一篇
HTML地图可访问性优化技巧
GIMP透明背景导出技巧分享
下一篇
GIMP透明背景导出技巧分享
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    575次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    618次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    649次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    609次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    426次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码