完全理解你的痛点——JSON在数据量小的时候用着爽，一旦文件变大全量读写简直噩梦，而且不想因为换数据库把之前的代码大动干戈，要的就是那种和操作列表/字典差不多的便捷感对吧？这里给你推荐几个Python里的SQL抽象层，能最大程度保留你原来的操作习惯：

1. Dataset - 最贴近字典式操作的轻量工具 #

这个库简直是为你的需求量身定做的，它把SQL表直接包装成类似字典/列表的结构，几乎不用写任何SQL语句。

• 安装：pip install dataset
• 基本用法示例：

  import dataset
  
  # 连接SQLite数据库（文件或内存），MySQL的话用"mysql+pymysql://user:pass@host/db"
  db = dataset.connect('sqlite:///mydatabase.db')
  
  # 获取或创建一个表（类似你原来的JSON根对象）
  table = db['my_table']
  
  # 新增/修改数据，和你原来的database["key"] = "NewValue"几乎一致
  # 如果key存在就更新，不存在就插入
  table.upsert({"key": "my_key", "value": "NewValue"}, keys=['key'])
  
  # 读取数据，也像查字典一样
  data = table.find_one(key="my_key")
  print(data['value'])  # 输出 NewValue
  
  # 遍历所有数据，像遍历列表一样
  for row in table:
      print(row['key'], row['value'])
  

  这个工具完全不需要你定义模型，直接操作表和行，和你之前操作JSON的方式几乎无缝衔接，改动代码的成本极低。

2. Peewee - 轻量级ORM，语法简洁直观 #

Peewee是一个轻量但功能完整的ORM，它的语法非常接近Python原生的对象操作，比写SQL要简单太多，而且定义模型的成本也很低。

• 安装：pip install peewee
• 基本用法示例：

  from peewee import SqliteDatabase, Model, CharField
  
  # 连接数据库
  db = SqliteDatabase('mydatabase.db')
  
  # 定义一个简单的模型（对应SQL表），只需要一次定义
  class MyData(Model):
      key = CharField(unique=True)
      value = CharField()
  
      class Meta:
          database = db
  
  # 创建表（第一次运行时执行）
  db.create_tables([MyData])
  
  # 新增/修改数据
  # 先尝试获取，如果不存在就创建
  data, created = MyData.get_or_create(key="my_key", defaults={"value": "InitialValue"})
  # 修改值并保存，和你原来的database["key"] = "NewValue"逻辑一致
  data.value = "NewValue"
  data.save()
  
  # 读取数据
  data = MyData.get(MyData.key == "my_key")
  print(data.value)  # 输出 NewValue
  

  虽然需要定义一次模型，但之后的操作都是面向对象的，非常直观，而且Peewee支持SQLite、MySQL等多种数据库，迁移成本也不高。

3. SQLAlchemy - 功能强大的ORM，适合复杂场景 #

如果你之后可能需要更复杂的数据库操作，SQLAlchemy是业界标准，它的ORM层也能让你用对象的方式操作数据，避免写冗长的SQL。

• 安装：pip install sqlalchemy
• 基本用法示例：

  from sqlalchemy import create_engine, Column, String
  from sqlalchemy.ext.declarative import declarative_base
  from sqlalchemy.orm import sessionmaker
  
  # 连接数据库
  engine = create_engine('sqlite:///mydatabase.db')
  Base = declarative_base()
  
  # 定义模型
  class MyData(Base):
      __tablename__ = 'my_table'
      key = Column(String, primary_key=True)
      value = Column(String)
  
  # 创建表
  Base.metadata.create_all(engine)
  
  # 创建会话
  Session = sessionmaker(bind=engine)
  session = Session()
  
  # 新增/修改数据
  data = session.query(MyData).filter_by(key="my_key").first()
  if not data:
      data = MyData(key="my_key", value="InitialValue")
      session.add(data)
  data.value = "NewValue"
  session.commit()
  
  # 读取数据
  data = session.query(MyData).filter_by(key="my_key").first()
  print(data.value)  # 输出 NewValue
  

  SQLAlchemy功能更全面，支持复杂的查询、事务等，但相对前面两个工具，代码量会稍多一点，不过依然比直接写SQL要简洁很多。

总结一下：如果追求最小的代码改动，首选Dataset；如果需要一点结构化但又不想太复杂，Peewee是很好的选择；如果之后有复杂需求，SQLAlchemy能一步到位。

内容的提问来源于stack exchange，提问作者RazorHail