如何用SQLAlchemy加载SQL Server表？遇HY104错误求助

问题根源 #

HY104错误本质是数据类型映射不匹配：Pandas自动推断的字段精度/长度和SQL Server目标表的定义冲突，尤其是涉及decimal/numeric类型、空字符串或者旧版ODBC驱动时，pyodbc绑定参数就会触发这个错误。另外你代码里用的旧{SQL Server}驱动本身对新数据类型的支持就有缺陷。

实操解决方案 #

1. 更换新版ODBC驱动 #

把连接字符串里的旧驱动换成ODBC Driver 17 for SQL Server，这是微软官方推荐的最新稳定版，兼容性更强：

Target_connStr= 'Driver={ODBC Driver 17 for SQL Server};Server=SQLXTBRR;Database=Custom;Trusted_Connection=True;'

2. 手动指定数据类型映射 #

不要让Pandas自动推断类型，直接把DataFrame字段和SQL Server表的字段类型一一对应，示例如下（需根据目标表实际定义调整）：

from sqlalchemy import types

dtype_map = {
    'id': types.Integer(),
    'first_name': types.NVARCHAR(length=50),
    'last_name': types.NVARCHAR(length=50),
    # 针对decimal类型必须显式指定精度和小数位
    'target_decimal_col': types.DECIMAL(precision=18, scale=2),
    'deleted': types.NVARCHAR(length=10),
    'general_id': types.BigInteger(),
    'consent_refused': types.Integer()
}

# 写入时传入dtype参数
df.to_sql('Cust_Clients', engine, if_exists='append', index=False, dtype=dtype_map)

3. 清理DataFrame中的异常值 #

• 将空字符串''替换为None，避免SQL Server对空字符的精度校验报错：

  df = df.replace({'': None})
  

• 检查数值型字段，确保没有超出目标表定义的精度范围（比如表定义为decimal(10,2)，不要传入位数超标的数值）

4. 统一使用SQLAlchemy读取源数据 #

解决代码中pd.read_sql的警告，同时避免源数据读取时的类型偏差：

# 源库也用SQLAlchemy引擎连接
source_conn_url = URL.create(
    "mssql+pyodbc", query={"odbc_connect": Source_connStr}
)
source_engine = sqlalchemy.create_engine(source_conn_url)

# 通过SQLAlchemy引擎读取数据
df = pd.read_sql(query, source_engine)

排查小技巧 #

• 先尝试写入单条数据，排查是否是某一行的异常值导致错误
• 开启pyodbc调试日志，查看具体是哪个参数触发了精度错误：

  import pyodbc
  pyodbc.set_trace(True)
  

内容的提问来源于stack exchange，提问作者Mich28