lazy-mysql 0.4.0

A lazy MySQL client for Python that simplifies database operations with intuitive methods for CRUD operations, automatic connection management, and result formatting. Features include easy-to-use SELECT, INSERT, UPDATE, DELETE operations with pandas DataFrame support, where clause builders, and table export capabilities.

Lazy_mysql

简体中文 | English

一个轻量级的Python库，为MySQL数据库操作提供简洁优雅的解决方案。

✨ 核心特性

• 🔌 统一SQL执行接口 - 简化复杂的数据库操作流程
• 📊 智能查询构建器 - 支持复杂条件、多表关联、排序限制
• 💾 批量数据操作 - 自动优化策略，支持超大数量级数据处理
• 🔄 Upsert支持 - 智能判断存在更新/不存在插入
• 🛡️ 安全防注入 - 参数化查询，自动SQL注入防护
• 📈 结果格式化 - 支持DataFrame、字典、列表等多种格式输出
• 📝 表结构导出 - 一键导出Markdown格式文档
• ⚡ 高性能优化 - LOAD DATA INFILE支持，百万级数据秒级处理

🚀 快速安装

pip install --upgrade lazy-mysql

🎯 快速开始

1. 数据库连接初始化

from lazy_mysql.executor import SQLExecutor
from lazy_mysql.sql_config import MySQLConfig
from lazy_mysql.tools.where_clause import NDayInterval


# 创建数据库配置
config = MySQLConfig(
    host='localhost',
    user='your_username',
    passwd='your_password',
    default_database='your_database'
)

# 创建执行器实例
executor = SQLExecutor(config)

2. 智能查询操作

# 基础查询
users = executor.select('users', ['id', 'name', 'email'])
print(users)

# 条件查询 + 排序限制
active_users = executor.select(
    'users',
    ['id', 'name', 'email'],
    conditions={'status': 'active', 'age': ('>', 18)},
    order_by='created_at DESC',
    limit=10
)

# 复杂条件查询

results = executor.select(
    'users',
    ['id', 'name', 'score'],
    conditions={
        'status': ('IN', ['active', 'premium']),
        'score': ('BETWEEN', [80, 100]),
        'name': ('LIKE', '%John%'),
        'order_dateTime': ('>=', NDayInterval(7))  # 最近7天
    },
    fetch_config={'output_format': 'df'}  # 返回DataFrame格式
)

3. 批量数据插入

# 单条插入
executor.insert('users', {'name': '张三', 'email': '[e-mail]'}, commit=True)

# 批量插入（自动优化策略）
users_data = [
    {'name': '李四', 'email': '[e-mail]', 'age': 25},
    {'name': '王五', 'email': '[e-mail]', 'age': 30},
    # ... 支持数千条记录
]
inserted_count = executor.insert('users', users_data, commit=True)

# Upsert操作（存在更新，不存在插入）
user_data = {
    'id': 1,
    'name': '张三',
    'email': '[e-mail]',
    'updated_at': '2024-01-15 10:00:00'
}
executor.upsert('users', user_data, commit=True)

4. 数据更新与删除

# 条件更新
executor.update(
    'users',
    {'status': 'premium', 'updated_at': '2024-01-15 10:00:00'},
    conditions={'last_login': ('>=', '2024-01-01'), 'points': ('>=', 1000)},
    commit=True
)

# 安全删除（必须指定条件）
executor.delete('users', conditions={'status': 'inactive', 'last_login': ('<', '2023-01-01')}, commit=True)

5. 使用完毕后关闭连接

executor.close()

📚 详细文档

🔗 连接与配置

• 数据库连接初始化 - 连接配置、错误处理、重试机制、最佳实践

🔍 查询操作

• SELECT 查询操作 - 智能查询构建、复杂条件、多表关联、结果格式化

💾 数据修改

• INSERT 插入操作 - 批量插入、Upsert、大数据优化、重复处理
• UPDATE 更新操作 - 条件更新、批量更新、SQL表达式、性能优化
• DELETE 删除操作 - 安全删除、条件组合、错误处理、调试技巧

🔧 环境要求

• Python: 3.7+
• MySQL: 8.0.36+
• 依赖库:
  • mysql-connector-python>=9.4.0
  • pandas>=2.3.1

⚠️ 兼容性说明: 低于上述版本要求的兼容性尚未验证

🎯 适用场景

• ✅ Web应用开发 - 快速原型开发、API后端服务
• ✅ 数据分析 - DataFrame集成、报表生成、数据清洗
• ✅ 批量数据处理 - 日志导入、数据迁移、ETL流程
• ✅ 企业级应用 - 事务处理、并发控制、错误重试

🏆 性能优势

操作类型	传统方式	lazy_mysql优化	性能提升
批量插入1万条	3-5秒	0.5-1秒	5-10倍
批量插入10万条	30-60秒	2-5秒	15-30倍
复杂条件查询	手动拼接SQL	智能构建	开发效率3倍
大数据导出	内存占用高	流式处理	内存节省80%

📦 PyPI 项目

项目已发布到PyPI，可通过以下链接访问：

• PyPI主页: https://pypi.org/project/lazy-mysql/

📄 开源协议

本项目采用MIT开源协议 - 详见 LICENSE 文件