Rijobjecten in mssql-python

De mssql-python-driver retourneert rijgegevens als Row objecten uit fetch-operaties. Deze objecten bieden flexibele toegangspatronen:

  • Attribuuttoegang (row.ColumnName) is de meest leesbare keuze voor benoemde kolommen. Gebruik het wanneer je query een bekende, stabiele kolomlijst heeft.
  • String key access (row['ColumnName']) biedt woordenboekachtige toegang tot kolommen op naam, handig wanneer je programmatische kolomzoekopdracht nodig hebt of wanneer kolomnamen spaties of speciale tekens bevatten.
  • Indextoegang (row[0]) is nuttig voor dynamische queries waarbij kolomnamen niet bekend zijn tijdens de ontwikkeling of bij het verwerken SELECT * van resultaten.
  • Tuple unpacking (a, b, c = row) is de meest beknopte keuze voor luslichamen met een klein, vast aantal kolommen.

Attribuuttoegang

Raadpleeg kolomwaarden direct op naam:

import mssql_python

conn = mssql_python.connect(connection_string)
cursor = conn.cursor()

cursor.execute("SELECT ProductID, Name, ListPrice FROM Production.Product WHERE ProductID = 1")
row = cursor.fetchone()

print(row.ProductID)     # 1
print(row.Name)          # 'Adjustable Race'
print(row.ListPrice)     # 0.00

Hoofdlettergevoelig

Kolomnaamtoegang is hoofdlettergevoelig en komt overeen met de kolomnamen die door SQL Server worden teruggegeven. Als je database inconsistente casing gebruikt, gebruik dan SQL-aliasen AS om namen te normaliseren, of schakel de lowercase module-instelling in (zie Moduleconfiguratie):

cursor.execute("SELECT FirstName, LastName, EmailPromotion FROM Person.Person WHERE BusinessEntityID < 10")
row = cursor.fetchone()

print(row.FirstName)      # Works
print(row.LastName)       # Works
print(row.EmailPromotion) # Works
print(row.firstname)      # AttributeError - wrong case

Kolomaliasen

Gebruik SQL-aliassen om vriendelijke attribuutnamen te maken:

cursor.execute("""
    SELECT 
        p.ProductID,
        p.Name,
        c.Name AS Category
    FROM Production.Product p
    JOIN Production.ProductSubcategory c ON p.ProductSubcategoryID = c.ProductSubcategoryID
    WHERE p.ProductSubcategoryID IS NOT NULL
""")

for row in cursor:
    print(f"{row.Name} ({row.Category})")

Indextoegang

Toegangswaarden via nul-gebaseerde kolomindex:

cursor.execute("SELECT ProductID, Name, ListPrice FROM Production.Product WHERE ProductID < 5")
row = cursor.fetchone()

print(row[0])  # ProductID
print(row[1])  # Name
print(row[2])  # ListPrice

Negatieve indexering

De driver ondersteunt negatieve indexering in Python-stijl:

cursor.execute("""
    SELECT Demo.A, Demo.B, Demo.C, Demo.D
    FROM (VALUES (1, 2, 3, 4)) AS Demo(A, B, C, D)
""")
row = cursor.fetchone()

print(row[-1])  # Last column (D)
print(row[-2])  # Second to last (C)

Toegang tot de string-sleutel

Raadpleeg kolomwaarden op naam met behulp van woordenboekachtige syntaxis:

cursor.execute("SELECT ProductID, Name, ListPrice FROM Production.Product WHERE ProductID = 1")
row = cursor.fetchone()

print(row['ProductID'])   # 1
print(row['Name'])        # 'Adjustable Race'
print(row['ListPrice'])   # Decimal('0.00')

Dit is handig wanneer kolomnamen spaties of speciale tekens bevatten, of wanneer je kolommen programmatisch moet benaderen:

column_name = 'ListPrice'
value = row[column_name]  # Programmatic column access

Snijden

Haal meerdere waarden uit met slices:

cursor.execute("""
    SELECT Demo.A, Demo.B, Demo.C, Demo.D, Demo.E
    FROM (VALUES (1, 2, 3, 4, 5)) AS Demo(A, B, C, D, E)
""")
row = cursor.fetchone()

print(row[1:4])    # Columns B, C, D (indices 1, 2, 3)
print(row[:2])     # First two columns (A, B)
print(row[2:])     # From C to end

Tuple uitpakken

Pak rijwaarden direct uit in variabelen:

cursor.execute("SELECT ProductID, Name, ListPrice FROM Production.Product WHERE ProductID < 10")

for product_id, name, price in cursor:
    print(f"#{product_id}: {name} - ${price}")

Gedeeltelijke uitpakken

Gebruik * om de resterende waarden vast te leggen:

cursor.execute("""
    SELECT TOP 2 ProductID, Name, ProductNumber, Color, Size, Weight
    FROM Production.Product
    WHERE ProductNumber IS NOT NULL
    ORDER BY ProductID
""")

for product_id, name, *rest in cursor:
    print(f"{product_id}: {name}, extra columns: {rest}")

Rijlengte en iteratie

Werk met rijafmetingen en herhaal kolomwaarden:

Krijg kolomaantal

Gebruik len() om het aantal kolommen in een rij te krijgen:

cursor.execute("SELECT * FROM Production.Product WHERE ProductID < 5")
row = cursor.fetchone()

print(len(row))  # Number of columns

Itereren over waarden

Loop kolomwaarden in volgorde door:

cursor.execute("SELECT ProductID, Name, ListPrice FROM Production.Product WHERE ProductID < 5")
row = cursor.fetchone()

for value in row:
    print(value)

Controleer of er een kolom bestaat

Gebruik hasattr() om te testen op de aanwezigheid van een kolomnaam:

# Use hasattr to check for column name
if hasattr(row, 'DiscountPrice'):
    print(f"Discount: {row.DiscountPrice}")
else:
    print("No discount available")

Converteer naar ingebouwde types

Rijobjecten kunnen worden omgezet naar standaard Python-types voor integratie met andere bibliotheken en API's:

Converteer naar tuple

Zet een rij om in een tuple met de tuple() constructor:

cursor.execute("SELECT ProductID, Name FROM Production.Product WHERE ProductID = 1")
row = cursor.fetchone()

row_tuple = tuple(row)
print(row_tuple)  # (1, 'Adjustable Race')

Omzetten naar lijst

Zet een rij om in een lijst met de list() constructor:

row_list = list(row)
print(row_list)  # [1, 'Adjustable Race']

Converteren naar woordenlijst

Converteer een rij naar een woordenboek wanneer je deze moet serialiseren naar JSON, geef hem door aan een template-engine, of voeg hem samen met andere data. Bouw het woordenboek uit cursor.description en rijwaarden:

cursor.execute("SELECT ProductID, Name, ListPrice FROM Production.Product WHERE ProductID = 1")
row = cursor.fetchone()

# Create dict from description and values
columns = [col[0] for col in cursor.description]
row_dict = dict(zip(columns, row))
print(row_dict)  # {'ProductID': 1, 'Name': 'Adjustable Race', 'ListPrice': Decimal('0.00')}

Hulpfunctie voor dictconversie

Maak een herbruikbare hulpfunctie om alle opgehaalde rijen om te zetten in woordenboeken:

def rows_to_dicts(cursor):
    """Convert fetched rows to list of dictionaries."""
    columns = [col[0] for col in cursor.description]
    return [dict(zip(columns, row)) for row in cursor.fetchall()]

cursor.execute("SELECT ProductID, Name, ListPrice FROM Production.Product WHERE ProductID < 10")
products = rows_to_dicts(cursor)
for p in products:
    print(p['Name'])

Werk met nullbare waarden

De driver geeft NULL-waarden terug als PythonNone:

cursor.execute("SELECT FirstName, MiddleName, LastName FROM Person.Person WHERE BusinessEntityID = 1")
row = cursor.fetchone()

if row.MiddleName is None:
    full_name = f"{row.FirstName} {row.LastName}"
else:
    full_name = f"{row.FirstName} {row.MiddleName} {row.LastName}"

Werk met cursor.description

Toegang tot kolommetadata naast rijgegevens:

cursor.execute("SELECT ProductID, Name, ListPrice FROM Production.Product WHERE ProductID < 5")

# Column information
for col in cursor.description:
    print(f"Name: {col[0]}, Type: {col[1]}")

# Fetch with metadata
row = cursor.fetchone()
for i, col in enumerate(cursor.description):
    print(f"{col[0]}: {row[i]}")

Algemene patronen

Hier zijn praktische patronen voor het werken met Row-objecten in toepassingen in de echte wereld:

Procesrijen met benoemde toegang

Procesrijen met attribuuttoegang voor leesbare, onderhoudbare code:

def process_orders(conn):
    cursor = conn.cursor()
    cursor.execute("""
        SELECT SalesOrderID, CustomerID, OrderDate, TotalDue 
        FROM Sales.SalesOrderHeader 
        WHERE Status = 5
    """)
    
    for order in cursor:
        print(f"Order #{order.SalesOrderID}")
        print(f"  Customer: {order.CustomerID}")
        print(f"  Date: {order.OrderDate}")
        print(f"  Total: ${order.TotalDue:.2f}")

Bouw objecten uit rijen

Voor toepassingen met een domeinmodel koppel je rijen aan dataklassen of getypeerde objecten. Deze mapping geeft je IDE-autocompletie, typecontrole en een duidelijke grens tussen databaserijen en applicatielogica.

from dataclasses import dataclass
from datetime import date
from decimal import Decimal

@dataclass
class Product:
    id: int
    name: str
    price: Decimal
    created: date

def get_products(conn) -> list[Product]:
    cursor = conn.cursor()
    cursor.execute("SELECT ProductID, Name, ListPrice, SellStartDate FROM Production.Product WHERE ProductID < 10")
    
    return [
        Product(
            id=row.ProductID,
            name=row.Name,
            price=row.ListPrice,
            created=row.SellStartDate
        )
        for row in cursor
    ]

Export naar JSON

Serialiseer rijobjecten naar JSON met aangepaste typebehandeling voor datetime en decimale waarden:

import json
from datetime import date, datetime
from decimal import Decimal

def json_serializer(obj):
    """Custom serializer for non-JSON types."""
    if isinstance(obj, (date, datetime)):
        return obj.isoformat()
    if isinstance(obj, Decimal):
        return float(obj)
    raise TypeError(f"Type {type(obj)} not serializable")

def export_to_json(cursor, filename):
    columns = [col[0] for col in cursor.description]
    rows = [dict(zip(columns, row)) for row in cursor.fetchall()]
    
    with open(filename, 'w') as f:
        json.dump(rows, f, default=json_serializer, indent=2)

cursor.execute("SELECT ProductID, Name, ListPrice FROM Production.Product WHERE ProductID < 10")
export_to_json(cursor, "products.json")

Samenvoegen in groepen

Groepeer rijen op kolomwaarde en verzamel ze in een woordenboek voor analyse of weergave:

from collections import defaultdict

cursor.execute("""
    SELECT c.Name AS CategoryName, p.Name AS ProductName, p.ListPrice 
    FROM Production.Product p
    JOIN Production.ProductSubcategory c ON p.ProductSubcategoryID = c.ProductSubcategoryID
    WHERE p.ProductSubcategoryID IS NOT NULL
    ORDER BY c.Name
""")

products_by_category = defaultdict(list)
for row in cursor:
    products_by_category[row.CategoryName].append({
        'name': row.ProductName,
        'price': row.ListPrice
    })

for category, products in products_by_category.items():
    print(f"\n{category}:")
    for p in products:
        print(f"  - {p['name']}: ${p['price']}")

Verwante onderwerpen

  • Last updated on