当前位置:首页 > 文章列表 > 文章 > php教程 > PHP增删改查成功判断方法

PHP增删改查成功判断方法

2026-01-09 20:35:37 0浏览 收藏

大家好,我们又见面了啊~本文《PHP增删改查如何判断操作成功》的内容中将会涉及到等等。如果你正在学习文章相关知识,欢迎关注我,以后会给大家带来更多文章相关文章,希望我们能一起进步!下面就开始本文的正式内容~

必须依据不同数据库扩展的返回值特性判断PHP数据库操作是否成功:mysqli面向过程/对象需区分查询与非查询返回类型,PDO需结合错误模式与rowCount(),业务成功还需校验影响行数,辅以错误日志与SELECT验证。

PHP增删改查怎么判断操作成功_php操作结果判断【逻辑】

如果您在使用PHP进行数据库增删改查操作时,需要准确判断每一步操作是否成功,则必须依据不同数据库扩展的返回值特性进行逻辑处理。以下是针对常见PHP数据库操作方式的结果判断方法:

一、使用mysqli面向过程方式判断操作结果

mysqli面向过程函数在执行SQL语句后会返回特定类型的值,需根据函数类型区分判断逻辑。执行查询类语句(SELECT)返回结果集或false,执行非查询类语句(INSERT/UPDATE/DELETE)返回true或false,并可通过mysqli_affected_rows()获取影响行数。

1、调用mysqli_query()执行SQL语句,将返回值赋给变量$result。

2、使用is_bool($result)判断是否为布尔值:若为true,说明是INSERT/UPDATE/DELETE等非查询操作,进一步调用mysqli_affected_rows($connection)确认影响行数是否大于0。

3、若$result为对象(如mysqli_result),说明是SELECT操作,使用mysqli_num_rows($result)判断结果集行数是否大于0。

4、若$result === false,统一视为操作失败,可通过mysqli_error($connection)获取错误信息。

二、使用mysqli面向对象方式判断操作结果

mysqli面向对象模式中,连接对象与语句对象分离,执行方法返回值类型更明确。query()方法对SELECT返回mysqli_result对象,对其他操作返回true/false;prepare()配合execute()则通过语句对象的affected_rows和num_rows属性分别判断。

1、创建mysqli实例并检查$mysqli->connect_error是否为空,确认连接有效。

2、对SELECT语句,使用$mysqli->query($sql),检查返回值是否为mysqli_result实例,再调用$num = $result->num_rows判断是否大于0。

3、对INSERT/UPDATE/DELETE语句,检查$mysqli->query($sql)是否返回true,再调用$mysqli->affected_rows获取实际影响行数。

4、若使用预处理语句,调用$stmt->execute()后检查其返回值是否为true,再通过$stmt->affected_rows判断变更数量。

三、使用PDO方式判断操作结果

PDO提供统一的异常处理机制与返回值规范,启用PDO::ATTR_ERRMODE => PDO::ERRMODE_EXCEPTION后,错误会抛出异常;否则需手动检查返回值。execute()方法对INSERT/UPDATE/DELETE返回true/false,query()对SELECT返回PDOStatement对象,可通过rowCount()获取影响行数。

1、设置PDO实例的错误处理模式为PDO::ERRMODE_SILENT或PDO::ERRMODE_WARNING,避免未捕获异常中断流程。

2、对SELECT操作,使用$query = $pdo->query($sql),检查$query是否为PDOStatement对象,再调用$query->rowCount() > 0判断是否有数据返回。

3、对非查询操作,使用$affected = $pdo->exec($sql),检查$affected是否为整数且大于等于0;若为-1,表示无匹配行但语句执行成功(如UPDATE无符合条件记录)。

4、若使用预处理,调用$stmt->execute()后立即检查$stmt->rowCount(),该值在INSERT/UPDATE/DELETE中表示实际变更行数,在SELECT中为0。

四、基于影响行数的业务级成功判定逻辑

数据库操作成功不等于业务成功,例如UPDATE语句执行成功但影响行数为0,可能意味着目标记录不存在。因此需结合业务语义定义“成功”——如新增用户要求INSERT影响1行,修改用户资料要求UPDATE至少影响1行,删除要求影响行数≥1,查询要求结果集非空。

1、对INSERT操作,判断$affected === 1,严格等于1才代表单条记录插入成功。

2、对UPDATE操作,判断$affected >= 1,允许批量更新多行,但0行表示无匹配数据。

3、对DELETE操作,根据业务需求选择:若删除必有对象,要求$affected === 1;若允许软删除或条件不存在,接受$affected >= 0。

4、对SELECT操作,使用fetch()或fetchAll()后检查返回值是否为非空数组或非null对象,避免仅依赖rowCount(),因部分驱动可能不返回准确值。

五、错误抑制与日志记录辅助判断

当无法依赖返回值直接断言成功时,可结合错误抑制符@与错误日志记录形成双重验证。此方式适用于遗留系统或不可控扩展环境,但不应替代标准判断逻辑。

1、在mysqli_query()或PDOStatement::execute()前设置自定义错误处理器,捕获E_WARNING级别错误。

2、执行操作后立即调用mysqli_error()或PDO::errorInfo(),即使返回值为true,也应检查errorInfo()[0]是否为'00000'。

3、将错误码、SQL语句、执行时间写入日志文件,便于回溯非致命性失败场景。

4、对关键操作(如支付扣款、库存锁定),在主判断逻辑外增加SELECT验证步骤,例如INSERT后立即SELECT刚插入的ID是否存在。

今天带大家了解了的相关知识,希望对你有所帮助;关于文章的技术知识我们会一点点深入介绍,欢迎大家关注golang学习网公众号,一起学习编程~

记住我功能安全实现技巧记住我功能安全实现技巧
上一篇
记住我功能安全实现技巧
Pythondatetime模块使用教程
下一篇
Pythondatetime模块使用教程
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。
    463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。
    526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。
    544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。
    493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。
    311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