Pyodbc从Oracle游标批量插入SQL Server时大整数转换溢出问题

我之前也踩过这个坑！你碰到的问题本质是pyodbc在处理超大整数参数时的类型转换限制：它默认会尝试把参数转成Python的普通int，但当数值超过SQL Server BIGINT的范围（BIGINT最大是9223372036854775807，而你的ID 90100111000002885322904明显比这个大得多），就会抛出OverflowError: int too big to convert。而直接把数值写进SQL语句能成功，是因为SQL Server会把它当成数值字面量自动适配对应的列类型（比如DECIMAL/NUMERIC），绕开了pyodbc的参数转换逻辑。

下面给你几个不用手动循环的解决方案，都能保留executemany的批量性能：

方案1：将超大整数转为字符串参数（最简单快捷） #

SQL Server支持隐式将合法的数字字符串转换为DECIMAL/NUMERIC类型，所以我们只要把Oracle游标里的ID列转成字符串再传递给executemany就行：

# 先处理Oracle游标返回的数据，把ID转为字符串
processed_rows = [(str(row[0]), row[1], row[2]) for row in oraclecursor]
# 执行批量插入
sqlservercursor.executemany(
    "INSERT INTO tablename (Id, col2, col3) VALUES (?, ?, ?)",
    processed_rows
)

这个方法不需要额外依赖，代码改动最小，完全能解决溢出问题，同时保留批量插入的性能优势。

方案2：显式指定参数的SQL类型（更严谨） #

如果需要严格控制参数类型，可以用pyodbc的Parameter类显式指定ID列的类型为SQL_NUMERIC，对应SQL Server的NUMERIC(25,0)类型，这样pyodbc就不会默认把它转成int了：

import pyodbc
from pyodbc import Parameter, SQL_NUMERIC

# 定义插入SQL
insert_sql = "INSERT INTO tablename (Id, col2, col3) VALUES (?, ?, ?)"
# 为每个参数指定SQL类型，ID列对应Oracle的NUMBER(25)，所以精度设为25，刻度0
param_defs = [
    Parameter('', SQL_NUMERIC, precision=25, scale=0),
    Parameter('', pyodbc.SQL_VARCHAR),  # 根据col2实际类型调整
    Parameter('', pyodbc.SQL_INT)       # 根据col3实际类型调整
]
# 预编译语句并绑定参数类型
sqlservercursor.prepare(insert_sql, param_defs)
# 直接传入Oracle游标数据即可，pyodbc会按指定类型处理
sqlservercursor.executemany(None, oraclecursor)

这种方式适合对数据类型要求严格的场景，能确保参数被正确映射到目标列类型。

方案3：超大数据量下的批量导入（可选） #

如果你的数据量特别大（百万级以上），还可以考虑把Oracle数据导出为CSV文件，然后用SQL Server的BULK INSERT或者pyodbc的批量导入API来处理，性能会比executemany更优。不过这个步骤相对复杂，前面两个方案已经能覆盖大部分常规场景了。

内容的提问来源于stack exchange，提问作者Pearl