测试开发干货：用 Python 玩转数据库，告别 pymysql 的繁琐操作！-平芜编程栈

好久不见，我是ai橙好测开，专注 AI 测试开发与性能测试～

在做接口自动化、性能测试或者日常数据校验时，数据库操作是绕不开的一环。相信很多同学和我一样，最开始接触 Python 操作数据库时，用的都是pymysql这类库。

每次都要写connect、cursor、execute、commit、close，还要处理异常、写try...finally，代码又长又容易出错，尤其是查询结果还要手动转成字典，简直太麻烦了！

今天给大家安利一个超级好用的第三方库 ——records，让你用几行代码优雅地搞定数据库操作，再也不用写那些冗余代码了！

一、records 是什么？

records是一个基于 SQLAlchemy 封装的轻量级 Python 数据库操作库，被称为 “人类的数据库库”。它的设计目标就是让数据库操作变得简单、直观、优雅，支持几乎所有主流数据库（MySQL、PostgreSQL、SQLite 等），特别适合测试开发场景下的快速数据校验、接口造数和测试数据清理。

它的核心优势：

代码极度简洁，不用手动管理连接和游标
查询结果直接支持字典、列表、JSON、Pandas DataFrame 等多种格式
自动处理事务和连接关闭，告别资源泄漏
支持参数化查询，避免 SQL 注入风险

二、安装与基础使用

1. 安装

直接用 pip 安装即可：

bash

运行

pip install records # 如果操作 MySQL，还需要安装 pymysql pip install pymysql

2. 连接数据库

一行代码就能连接数据库，不用写一堆配置：

python

运行

import records # 连接 MySQL 数据库，格式：数据库类型://用户:密码@主机:端口/库名 db = records.Database('mysql+pymysql://root:123456@localhost:3306/test_db')

3. 常用操作示例

（1）查询数据（SELECT）

最常用的查询，直接用query()方法，结果可以直接迭代：

python

运行

# 查询用户表中所有数据 users = db.query("SELECT * FROM user WHERE age > :age", age=18) # 方式1：直接遍历结果，每一行都是字典格式 for user in users: print(f"用户名：{user.name}, 年龄：{user.age}, 手机号：{user.phone}") # 方式2：直接转成列表字典 user_list = users.all(as_dict=True) print(user_list) # 方式3：直接转成 Pandas DataFrame（做数据校验超方便） df = users.all(as_df=True) print(df.head()) # 方式4：获取单条数据 user = users.first() print(user.name)

这里用到了参数化查询:age，可以避免 SQL 注入，比手动拼接字符串安全多了！

（2）插入数据（INSERT）

插入数据也超级简单，支持参数化批量插入：

python

运行

# 单条插入 db.query(""" INSERT INTO user (name, age, phone) VALUES (:name, :age, :phone) """, name="张三", age=20, phone="13800138000") # 批量插入（适合接口自动化造测试数据） data = [ {"name": "李四", "age": 22, "phone": "13800138001"}, {"name": "王五", "age": 25, "phone": "13800138002"}, {"name": "赵六", "age": 19, "phone": "13800138003"} ] db.bulk_query(""" INSERT INTO user (name, age, phone) VALUES (:name, :age, :phone) """, data)

（3）更新和删除（UPDATE/DELETE）

和查询、插入的用法完全一致：

python

运行

# 更新数据 db.query(""" UPDATE user SET age = :new_age WHERE name = :name """, new_age=21, name="张三") # 删除数据 db.query("DELETE FROM user WHERE name = :name", name="赵六")

（4）事务操作

如果需要批量操作要么全成功要么全失败，直接用事务上下文管理器：

python

运行

with db.transaction() as tx: tx.query("INSERT INTO user (name, age) VALUES (:name, :age)", name="事务用户1", age=30) tx.query("INSERT INTO user (name, age) VALUES (:name, :age)", name="事务用户2", age=31) # 如果中间出错，会自动回滚，不会插入任何数据

三、为什么测试开发一定要试试它？

减少重复代码：不用每次都写连接、游标、关闭连接的模板代码，把精力放在业务逻辑上
降低出错概率：自动管理连接和事务，避免忘记关闭连接导致的资源泄漏，参数化查询避免 SQL 注入
结果处理更灵活：查询结果可以直接转成字典、列表、DataFrame，做接口自动化校验、性能测试数据对比时特别方便
学习成本极低：只要会写 SQL，就能直接上手，不用花时间学习复杂的 ORM 框架

四、一个完整的测试场景示例

比如我们要做一个用户注册接口的自动化测试，需要先造数据、调用接口，再校验数据库中的结果：

python

运行

import records import requests # 1. 连接数据库 db = records.Database('mysql+pymysql://root:123456@localhost:3306/test_db') # 2. 准备测试数据 test_user = {"name": "测试用户", "age": 20, "phone": "13900139000"} # 3. 调用注册接口 response = requests.post("http://localhost:8080/api/register", json=test_user) assert response.status_code == 200, "接口调用失败" # 4. 校验数据库中的数据是否正确 result = db.query("SELECT * FROM user WHERE phone = :phone", phone=test_user["phone"]).first() assert result is not None, "用户未插入数据库" assert result.name == test_user["name"], "用户名不一致" assert result.age == test_user["age"], "年龄不一致" print("测试用例执行通过！")

整个过程简洁明了，没有冗余的数据库操作代码，一眼就能看懂业务逻辑。