使用pyodbc+pandas加载ToolHistory表至DataFrame时遇执行阻塞

你的代码卡住的核心原因有两个：

1. 在遍历所有表的循环里，每次都执行SELECT * FROM ToolHistory——如果这个表数据量很大，会导致数据库长时间读取数据，直接卡住程序；而且逻辑上完全没必要遍历所有表时重复查询目标表。
2. 同一个数据库连接下，遍历游标（cursor.tables()）的过程中执行新的查询操作，会干扰游标状态，导致遍历流程异常中断。

修正后的代码方案 #

先确认目标表存在，再单独执行数据查询，避免无效操作和状态冲突：

import pyodbc
import pandas as pd

# 建立数据库连接
conn = pyodbc.connect('DRIVER={SQL Server};SERVER=SomeServer.com,1433;DATABASE=QQS;UID=me;PWD=allgetlost')
cursor = conn.cursor()

target_table = "ToolHistory"
table_found = False

# 遍历所有表，找到目标表后立即终止遍历
for row in cursor.tables():
    print(f" >> {row.table_name}")
    if row.table_name == target_table:
        table_found = True
        print(f'找到目标表 -> {target_table}')
        break

# 确认表存在后，读取数据并筛选
if table_found:
    # 建议不要用SELECT *，明确写出需要的列可以大幅提升效率
    sql_query = f'SELECT * FROM {target_table}'
    df = pd.read_sql(sql_query, conn)
    
    # 在这里添加你的筛选逻辑，例如：
    # filtered_df = df[df['Status'] == 'Completed']
    print(f"成功读取{target_table}表，共{len(df)}条数据")
else:
    print(f"未找到表{target_table}")

# 关闭连接
conn.close()

进阶优化：快速检查表是否存在 #

如果数据库表数量很多，遍历所有表效率很低，可以直接查询SQL Server的系统表来确认目标表存在性：

import pyodbc
import pandas as pd

conn = pyodbc.connect('DRIVER={SQL Server};SERVER=SomeServer.com,1433;DATABASE=QQS;UID=me;PWD=allgetlost')
cursor = conn.cursor()

target_table = "ToolHistory"

# 通过系统表快速检查表是否存在
check_sql = f"""
SELECT COUNT(*) 
FROM INFORMATION_SCHEMA.TABLES 
WHERE TABLE_NAME = '{target_table}' AND TABLE_TYPE = 'BASE TABLE'
"""
cursor.execute(check_sql)
table_count = cursor.fetchone()[0]

if table_count > 0:
    print(f'找到目标表 -> {target_table}')
    df = pd.read_sql(f'SELECT * FROM {target_table}', conn)
    # 执行筛选逻辑
else:
    print(f"未找到表{target_table}")

conn.close()

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