You need to enable JavaScript to run this app. 如何在Python中正确执行带参数的MSSQL存储过程 消除SQL注入风险
优惠活动
大模型
产品
解决方案
定价
更多

如何在Python中正确执行带参数的MSSQL存储过程 消除SQL注入风险

SQLAlchemy下MSSQL存储过程安全参数传递实现指南

原有通过字符串格式化拼接存储过程入参的写法,会将用户可控输入直接嵌入SQL文本,存在原生SQL注入风险。以下为可直接落地、从根源消除注入风险的实现方案,完全兼容现有pandas读取结果的业务逻辑。

核心实现规则

  • 所有用户可控的入参禁止通过字符串拼接嵌入SQL语句,必须通过SQLAlchemy层的命名参数占位符传递,由底层数据库驱动完成预编译、转义流程,从机制上避免注入。
  • MSSQL对应的SQLAlchemy驱动(pyodbc、pymssql)统一兼容命名占位符格式,占位符语法为:参数名,无需手写值包裹的单引号,驱动会自动处理参数类型和转义。

适配pandas读取场景的改造代码

原有高风险写法示例:

# 风险写法:直接格式化拼接入参到SQL文本
query = "exec sp_getVariablesList @City = '{0}', @Station='{1}'".format(City, Station)
self.Variables = pd.read_sql_query(query, engine)

改造后无风险写法:

# 引擎初始化逻辑保持原有实现
engine = sqlalchemy.create_engine(self.getSql_conn_url())

# 纯SQL模板:入参位置用命名占位符替代,不拼接任何业务值
query = "exec sp_getVariablesList @City = :city, @Station = :station"

# 可控入参通过params字典独立传入,由SQLAlchemy底层处理参数绑定
self.Variables = pd.read_sql_query(
    sql=query,
    con=engine,
    params={"city": City, "station": Station}
)

常见兼容问题处理

如果执行时出现ARITHABORT相关报错,仅需在SQL模板开头补充会话设置语句即可,不影响参数化逻辑:

query = """
SET ARITHABORT ON;
exec sp_getVariablesList @City = :city, @Station = :station
"""

纯SQLAlchemy层的存储过程调用方式

如果需要对结果集做更灵活的游标处理,可直接通过SQLAlchemy连接层执行存储过程:

from sqlalchemy import text

with engine.connect() as conn:
    result = conn.execute(
        # 包裹SQL模板启用参数化支持
        text("exec sp_getVariablesList @City = :city, @Station = :station"),
        # 参数独立传入,无文本拼接
        {"city": City, "station": Station}
    )
    # 结果转DataFrame,与原有业务逻辑完全兼容
    self.Variables = pd.DataFrame(result.mappings().all())

方案失败的常见踩坑点

  • 即使在外层用text()包裹SQL,如果内部还是通过format/f-string把入参值拼进了SQL文本,依然会存在注入风险,也不算真正的参数化。
  • 混用不同驱动的原生占位符格式,比如直接用?、%s作为占位符,会在更换驱动的时候出现兼容问题,统一使用SQLAlchemy封装的:参数名格式可实现跨驱动兼容。
  • 传参时没有通过params字段绑定参数,而是把参数值直接拼接到SQL字符串中,完全失去参数化的安全和兼容特性。

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

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.30 11:24:03