当前位置:首页 > 文章列表 > 文章 > python教程 > Python sqlite3 怎样使用上下文管理事务

Python sqlite3 怎样使用上下文管理事务

来源:17golang原创 2026-11-03 12:19:50 0浏览 收藏

我在把一组配置写进 SQLite 时,最容易误解的地方不是 SQL,而是 with con: 到底替我管理了什么。结论很明确:sqlite3.Connection 作为上下文管理器,会在代码块正常结束时提交事务,发生未捕获异常时回滚事务;它不会替你关闭连接,也不会因为进入 with 就凭空开启一个新事务。

官方地址:https://docs.python.org/3/library/sqlite3.html

Connection 上下文管理器到底负责什么

把连接对象交给 with,实际得到的是一个事务边界。写入成功时离开代码块会调用提交逻辑;代码块抛出异常,或者提交本身失败时,会回滚待处理事务,原异常仍然会继续向外抛出。

Python sqlite3 Connection 上下文管理器连接事务提交回滚关系说明图
图1:sqlite3.Connection 上下文管理器的事务关系示意图;它表达静态职责,不是运行截图。

因此,下面这种写法适合把几条必须同时成功的写入放进同一边界:

import sqlite3

con = sqlite3.connect(":memory:")
try:
    con.execute("CREATE TABLE account(id INTEGER PRIMARY KEY, name TEXT UNIQUE)")
    with con:
        # 使用参数绑定,避免把外部字符串拼进 SQL。
        con.execute("INSERT INTO account(name) VALUES(?)", ("alice",))
        con.execute("INSERT INTO account(name) VALUES(?)", ("bob",))
        # 代码块正常结束时,Connection 会提交这组写入。
finally:
    # with con 只负责事务;连接仍然需要显式关闭。
    con.close()

如果第二条写入触发唯一约束错误,第一条写入也会随事务一起回滚。异常不要在上下文内部静默吞掉,否则调用方无法知道这组操作没有完成。

用一个事务包住成组写入

更贴近业务代码的结构是先准备连接,再把“必须原子完成”的操作集中到一个 with con 中。查询可以放在事务内,也可以放在提交之后;关键是不要把无关的慢操作塞进写事务,避免锁持有时间变长。

import sqlite3

def save_order(db_path, order_id, item_name):
    con = sqlite3.connect(db_path)
    try:
        # 建表属于示例初始化;真实项目通常在迁移脚本中完成。
        con.execute("CREATE TABLE IF NOT EXISTS orders(id INTEGER PRIMARY KEY, item TEXT NOT NULL)")
        with con:
            # 两个写入要么一起提交,要么一起回滚。
            con.execute("INSERT INTO orders(id, item) VALUES(?, ?)", (order_id, item_name))
            con.execute("INSERT INTO orders(id, item) VALUES(?, ?)", (order_id + 100000, "audit:" + item_name))
    except sqlite3.Error:
        # 记录或转换异常后继续抛出,不能把失败伪装成成功。
        raise
    finally:
        # 无论提交还是回滚,连接都要释放。
        con.close()

这里的重点是职责分离:with con 管提交和回滚,finally 管连接生命周期。两层职责写在一起,后续改成连接池或服务函数时也更容易替换。

为什么 with con 不等于 close

官方文档特别强调,Connection 上下文管理器不会隐式关闭连接。只写 with con:,代码块结束后连接对象仍然存在;如果长期创建连接而不调用 close(),还会留下文件句柄和未处理资源。

如果希望把“关闭连接”也纳入上下文,可以使用 contextlib.closing,并在里面再嵌套事务上下文:

from contextlib import closing
import sqlite3

def add_user(db_path, username):
    # closing 负责 close;内部的 with con 负责 commit 或 rollback。
    with closing(sqlite3.connect(db_path)) as con:
        with con:
            # 参数元组最后的逗号不能省略,否则不是单元素元组。
            con.execute("INSERT INTO users(name) VALUES(?)", (username,))
        # 离开内层 with 后事务已经结束,离开外层 with 才关闭连接。

如果项目不想引入嵌套结构,也可以继续用 try/finally。两种方式的目标相同:提交/回滚和关闭连接分别有明确的负责人。

autocommit 与 isolation_level 怎么选

Python 3.12 起,sqlite3.connect() 增加了 autocommit 参数,当前文档推荐通过它控制事务行为。设置为 False 时采用 DB-API 风格的事务控制,需要显式 commit() 或 rollback();设置为 True 时进入 SQLite 的自动提交模式,此时 commit() 和 rollback() 不起作用;默认值目前仍是兼容旧行为的 LEGACY_TRANSACTION_CONTROL。

Python sqlite3 autocommit 事务控制与连接关闭生命周期关系说明图
图2:autocommit、事务退出和连接关闭的职责边界示意图;它表达静态关系,不是运行截图。
import sqlite3

def update_status(db_path, task_id, status):
    # Python 3.12+ 可显式选择推荐的 DB-API 事务语义。
    con = sqlite3.connect(db_path, autocommit=False)
    try:
        with con:
            # 事务提交点由 with con 的正常退出决定。
            con.execute("UPDATE task SET status = ? WHERE id = ?", (status, task_id))
    finally:
        # autocommit 的选择不改变连接需要关闭这一事实。
        con.close()

旧代码里常见的 isolation_level 仍然有兼容价值,但它只在 autocommit=LEGACY_TRANSACTION_CONTROL 时生效。不要一边显式选择新的 autocommit 语义,一边又期待 isolation_level 改写事务行为。

几个容易踩到的边界

  • 只读查询不一定需要写事务。 如果代码块没有待处理事务,退出上下文时可能没有提交或回滚动作。
  • 关闭前要关注未提交变更。 在合适的事务模式下,带有待处理变更的 close() 可能回滚它们;需要保留的数据应先明确提交。
  • 连接关闭不是游标关闭的替代说明。 简单场景可直接使用 Connection 的 execute() 快捷方法;复杂查询仍要管理好返回对象的使用范围。
  • 不要把异常处理写成“无条件提交”。 先判断业务操作是否完整,再让上下文管理器根据正常退出或异常退出选择提交、回滚。

最后的使用判断

如果目标是“这一组写入必须原子完成”,使用 with con;如果目标是“连接一定释放”,再加 closing 或 finally。两者不是同一件事。对 Python 3.12 及以上的新代码,可以显式考虑 autocommit=False;对需要兼容旧运行环境的项目,则应先确认当前 Python 版本和既有事务约定,再决定是否迁移。

相关问题

sqlite3 的 with 代码块抛异常后还会继续向外抛吗? 会。上下文管理器负责回滚待处理事务,但不会自动吞掉原异常。

为什么 with sqlite3.connect(...) 没有自动关闭连接? 因为 Connection 的上下文协议专门承担事务提交和回滚,关闭连接需要 close()、closing 或 finally。

新项目应该优先写 isolation_level 还是 autocommit? 当前 Python 文档推荐用 autocommit 控制事务;isolation_level 主要用于兼容旧的 legacy 事务控制。

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 tarfile 解包怎样限制链接路径Python tarfile 解包怎样限制链接路径
上一篇
Python tarfile 解包怎样限制链接路径
Python json.loads 怎样处理重复键
下一篇
Python json.loads 怎样处理重复键
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。
    857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。
    862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。
    938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。
    919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。
    747次使用