address = faker.address() # 地址 email = faker.email() # 电子邮件 phone_number = faker.phone_number() # 电话号码 job_title = faker.job() # 职位 company = faker.company() # 公司 date_of_birth = faker.date_of_birth() # 出生日期 credit_card_number = faker.credit_card_number() # 信用卡号 # 定义 SQL 插入语句 sql = " INSERT INTO fake_data (name, address, email, phone_number, job_title, company, date_of_birth, credit_card_number) VALUES (%s, %s, %s, %s, %s, %s, %s, %s) " # 设置参数值 val = (name, address, email, phone_number, job_title, company, date_of_birth, credit_card_number) # 执行 SQL 插入语句 cursor.execute(sql, val)

步骤六：提交事务和关闭连接

最后，我们提交事务以保存更改，并关闭游标和数据库连接。

conn.commit()   # 提交事务，保存更改
cursor.close()  # 关闭游标
conn.close()    # 关闭数据库连接

使用 Python 将 MySQL 数据库中的数据逐步查询并写入多个 Excel 文件

步骤一：导入所需模块和库

首先，我们需要导入 os 模块用于文件和目录操作，pandas 库用于数据处理，以及 mysql.connector 模块用于连接 MySQL 数据库。

import os  # 导入 os 模块，用于文件和目录操作
import pandas as pd  # 导入 pandas 库并使用 pd 别名，用于数据处理
import mysql.connector  # 导入 mysql.connector 模块，用于连接 MySQL 数据库

步骤二：连接到 MySQL 数据库

conn = mysql.connector.connect(
    host='localhost',  # 数据库主机地址
    user='root',       # 数据库用户名
    password='123456', # 数据库密码
    database='test2'   # 数据库名称
步骤三：设置每个 Excel 文件的行数限制和输出文件夹
chunk_size = 50000  # 每个 Excel 文件的行数限制
output_folder = "output_data"  # 输出文件夹名称
if not os.path.exists(output_folder):  # 如果文件夹不存在，则创建
    os.makedirs(output_folder)
步骤四：逐步查询数据库并写入 Excel 文件
offset = 0  # 查询偏移量初始值为0
while True:  # 使用循环查询数据库，直到数据查询完毕
    query = f"SELECT * FROM fake_data LIMIT {offset}, {chunk_size}"  # 构造 SQL 查询语句
    df = pd.read_sql(query, conn)  # 使用 pandas 读取 SQL 查询结果为 DataFrame
    if df.empty:  # 如果查询结果为空，则退出循环
        break
    output_file = os.path.join(output_folder, f"output_{offset // chunk_size + 1}.xlsx")  # 构造输出文件路径
    df.to_excel(output_file, index=False)  # 将 DataFrame 写入 Excel 文件，不写入索引列
    offset += chunk_size  # 更新查询偏移量，准备下一次查询
步骤五：关闭数据库连接
conn.close()  # 关闭数据库连接
最后，我们关闭数据库连接，释放资源。