当前位置:首页 > 文章列表 > 文章 > python教程 > Python sqlite3.Row 如何让查询结果支持列名访问:row_factory、类型转换与空值检查

Python sqlite3.Row 如何让查询结果支持列名访问:row_factory、类型转换与空值检查

来源:17golang原创 2026-08-30 12:16:53 0浏览 收藏

订单列表从元组改成按列名读取后,代码会更好懂,但真正容易踩坑的地方在结果边界:sqlite3.Row 只改变行的访问方式,不会把 NULL 变成空字符串,也不会替你设计金额和时间的业务类型。把 row_factory、列名访问和 Python 类型一次核对清楚,读取层就不容易在后续拼装响应时失真。

要点速览
  • 把 connection.row_factory 设为 sqlite3.Row 后,游标返回的行支持列名和下标两种访问。
  • Row.keys() 能核对查询列名,窗口列 total_rows 也会进入同一个行对象。
  • SQLite 的 INTEGER、REAL、NULL 分别对应 Python 的整数、浮点数和 None。
  • 业务层仍要显式判断 None;金额为 0.0 不是缺失值。

先把 Row 的访问边界跑出来

下面的实验只使用内存数据库,表结构和查询就是文章中后续判断的依据。查询固定取订单 1002,它的金额是 0.0,发货时间是 SQL NULL,这样可以把“零值”和“缺失”同时放到输出里。

connection = sqlite3.connect(":memory:")
connection.row_factory = sqlite3.Row
row = connection.execute(
    """
    SELECT order_id, customer, amount, shipped_at,
           COUNT(*) OVER () AS total_rows
    FROM orders
    WHERE order_id = ?
    """,
    (1002,),
).fetchone()
Python sqlite3.Row 运行结果显示列名访问、下标访问和 keys 列表
图1:检查终端中的 row_type、keys 和两种访问结果;列名能取到 customer,说明 row_factory 已作用于查询行。

输出中的 row_type= Row 是第一道检查。接着看 keys=:它列出 order_id、customer、amount、shipped_at 和 total_rows,说明查询别名也成为行的可访问列名。row["customer"] 与 row[1] 得到同一个客户值,但代码里更推荐列名写法,查询调整列顺序时不容易把业务字段读错。

row_factory 影响的是行对象,不是数据类型

row_factory 可以设置在连接上,也可以设置在游标上。连接级设置会影响之后创建的游标;已经创建的游标不会因为事后修改连接属性而追溯改变。这个时机在封装数据库访问类时很重要,通常应在创建游标前完成设置。

本例的 amount 来自 SQLite 的 REAL 列,读取后是 Python float;order_id 是 int。COUNT(*) OVER () 的结果也按整数返回,所以它可以直接作为列表总数使用,但分页接口仍要根据自己的查询范围设计统计口径。

Python sqlite3.Row 终端输出显示 INTEGER、REAL、NULL 对应的 Python 类型和 None 判断
图2:核对 python_types、null_check 和 zero_amount;None 表示 SQL NULL,0.0 仍是有效金额值。

NULL、零值和业务转换要分三层处理

终端中的 python_types= int float NoneType 说明驱动已经完成基础类型映射,但这不等于业务校验完成。发货时间为空时,可以把它显示为“待发货”;金额为零时,则应保留为 0.0,不能用 if not row["amount"] 把它误判成缺失。

shipped_at = row["shipped_at"]
if shipped_at is None:
    display_time = "待发货"
else:
    display_time = shipped_at

amount = row["amount"]
if amount is None:
    raise ValueError("amount must not be NULL")

如果接口需要十进制金额、日期对象或枚举状态,应在读取层之后增加明确的转换函数,并保留转换失败的字段名。不要把所有列一股脑转成字符串,否则前端看到的“0.0”和后端的数值比较会失去边界。

常见误区与复查清单

  • 只设置 cursor.row_factory,却从另一个游标读取:先确认实际执行查询的游标来源。
  • 把 Row 当成普通字典调用 row.get():需要默认值时先判断列是否在 row.keys() 中。
  • 用真假判断处理金额和数量:对允许为零的字段使用 is None 检查缺失。
  • 关闭连接前才读取结果:先把需要的字段转换完成,再进入响应或模板层。

相关问题

sqlite3.Row 能直接修改查询结果吗?

不能把它当作可写字典使用。它适合读取;需要修改数据时应执行明确的 UPDATE,再重新查询确认。

Row 的列名区分大小写吗?

列名访问支持大小写不敏感的 ASCII 匹配,但工程中仍应保持 SQL 别名和 Python 字段名一致,减少跨数据库迁移时的误解。

为什么不直接用字典工厂?

sqlite3.Row 同时保留下标访问,且开销低;如果确实需要序列化字典,再在边界层按白名单转换字段。

把读取约定固定下来

这个小实验的验收标准很明确:看到 Row 和完整的 keys(),说明访问方式生效;看到 None 与 0.0 同时出现,说明空值和零值没有被混淆。把这两项检查放进数据库适配层测试,比在接口出问题后再猜字段更省时间。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
Python importlib.resources.files 如何读取包内资源:Traversable 与 as_file 临时路径边界Python importlib.resources.files 如何读取包内资源:Traversable 与 as_file 临时路径边界
上一篇
Python importlib.resources.files 如何读取包内资源:Traversable 与 as_file 临时路径边界
Go unique.Make 如何复用重复值:唯一句柄、值比较与垃圾回收边界
下一篇
Go unique.Make 如何复用重复值:唯一句柄、值比较与垃圾回收边界
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。
    473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。
    531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。
    551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。
    503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。
    320次使用