Python面向对象实现批量数据库表提取（含SQL调用）

原尝试代码的问题点 #

你的OOP代码存在几个核心问题：

• __init__参数设计冗余，没必要同时传tbl_name和tables
• get_tables方法定义错误，作为类方法却未做对应修饰，且逻辑和实例属性脱节
• create_db方法逻辑混乱，没有生成正确的SQL语句，也未处理多表场景
• 未复用数据库引擎，每次读取可能重复创建连接，降低效率

完整实现代码 #

import pandas as pd
from def_funcs import sup
from typing import Tuple, Dict

class ExtractDb:
    def __init__(self, table_names: Tuple[str, ...]):
        # 初始化时传入要提取的所有表名
        self.table_names = table_names
        # 提前创建数据库引擎，避免重复建立连接
        self.engine = sup.start_engine()

    def _generate_sql(self, table_name: str) -> str:
        # 私有方法：封装单表查询SQL生成逻辑
        return f"SELECT * FROM {table_name}"

    def extract_single_table(self, table_name: str) -> pd.DataFrame:
        # 提取单个表的DataFrame，支持单独调用
        sql = self._generate_sql(table_name)
        return pd.read_sql(sql, self.engine)

    def extract_all_tables(self) -> Dict[str, pd.DataFrame]:
        # 批量提取所有表，返回字典：{表名: 对应DataFrame}
        df_dict = {}
        for tbl in self.table_names:
            df_dict[tbl] = self.extract_single_table(tbl)
            # 保留原非OOP代码的列名打印逻辑
            print(f"表{tbl}的列：{df_dict[tbl].columns.tolist()}")
        return df_dict

# 使用示例
if __name__ == "__main__":
    # 传入要提取的表名元组
    extractor = ExtractDb(('table1', 'table2'))
    # 获取所有表的DataFrame集合
    df_collection = extractor.extract_all_tables()
    
    # 通过表名直接调用对应DataFrame
    df_table1 = df_collection['table1']
    df_table2 = df_collection['table2']

代码解释 #

1. 初始化逻辑

   • 仅需传入目标表名元组，简化参数结构
   • 提前初始化数据库引擎，避免重复建立连接，提升运行效率

2. 私有方法_generate_sql

   • 封装SQL生成逻辑，后续若需修改查询规则（如添加过滤条件、指定查询列），仅需修改此方法

3. 单表提取方法extract_single_table

   • 支持单独提取某个表，兼顾批量处理和灵活调用的需求

4. 批量提取方法extract_all_tables

   • 返回字典格式，通过表名直接索引对应DataFrame，比元组更直观易读
   • 内置列名打印逻辑，和原非OOP代码的输出效果保持一致

OOP实现的优势 #

对比原非OOP代码，这个实现的核心优势：

• 复用性：提取新表时仅需传入新的表名元组，无需重复编写pd.read_sql代码
• 可维护性：修改SQL模板、数据库连接方式时，仅需调整类内部方法，无需多处修改
• 可读性：类方法命名清晰，每个方法的作用一目了然

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