使用Python连接器向Snowflake表插入数据失败：无数据无报错

问题重现 #

使用Python将pandas DataFrame数据导入Snowflake，表成功创建但始终显示0行数据，无任何错误抛出，且相同代码在另一台电脑可正常运行。代码如下：

with engine.connect() as con:
    data.head(0).to_sql(name=table_name, con=con, if_exists="replace", index=False)
    query="put file://" + file_path + "* @%" + table_name
    con.execute(text(query))
    query2="copy into " + table_name + " ON_ERROR=CONTINUE"
    con.execute(text(query2))

排查&解决步骤 #

1. 验证本地文件与路径正确性 #

• 确认file_path指向的文件真实存在，且路径格式符合Snowflake要求：
  • Windows路径需转成file:///C:/xxx/xxx.csv（三个斜杠开头），避免路径解析失败
  • 打印生成的PUT语句（print(query)），手动在Snowflake客户端执行，验证能否将文件上传到表专属阶段（@%table_name）

2. 获取PUT/COPY命令的执行详情 #

Snowflake的PUT/COPY命令默认不会主动返回错误详情，需手动获取执行结果：

with engine.connect() as con:
    data.head(0).to_sql(name=table_name, con=con, if_exists="replace", index=False)
    # 执行PUT并打印结果
    query = f"put file://{file_path}* @%{table_name}"
    put_result = con.execute(text(query)).fetchall()
    print("PUT执行结果:", put_result)
    # 执行COPY并返回所有错误
    query2 = f"copy into {table_name} ON_ERROR=CONTINUE RETURN_ALL_ERRORS"
    copy_result = con.execute(text(query2)).fetchall()
    print("COPY执行结果:", copy_result)

• 查看PUT结果的status字段，若为FAILED会显示具体失败原因（如文件不存在、权限不足）
• COPY结果会列出每一行的加载错误（如数据类型不匹配、分隔符错误）

3. 检查Snowflake表阶段的文件 #

在Snowflake客户端执行SQL：

LIST @%{table_name};

• 若没有文件，说明PUT命令未成功上传本地文件
• 若有文件但大小为0，说明本地源文件为空

4. 排查环境差异（关键，因其他机器正常） #

• 确认两台机器的Snowflake依赖版本一致：

  pip show snowflake-sqlalchemy snowflake-connector-python
  

  版本差异可能导致路径解析或命令执行逻辑不一致
• 检查Python版本、操作系统（Windows/Linux）的路径处理差异
• 验证当前Snowflake账号权限：确保拥有PUT到表阶段、COPY INTO表的权限（可执行GRANT PUT, COPY ON TABLE {table_name} TO ROLE {your_role};补全权限）
• 检查网络环境：当前机器能否正常访问Snowflake的存储端点（如AWS S3、Azure Blob等）

5. 快速验证的替代方案 #

若PUT/COPY方式问题难以定位，可尝试直接用pandas的to_sql导入全量数据，排除环境适配问题：

with engine.connect() as con:
    data.to_sql(name=table_name, con=con, if_exists="replace", index=False)

（注：大数据量时该方式效率低于PUT/COPY，仅用于验证）

内容的提问来源于stack exchange，提问作者Moon_Watcher