Records是Kenneth Reitz for Humans™系列继requests后的又一大作，官方描述为只需编写SQL，其他交给Records，它使得工作流程尽可能简单，同时提供一个优雅的方式处理查询结果。
官方网站： https://github.com/kennethreitz/records
连接数据库
>>> import records
>>> db = records.Database('sqlite:///test.db')
Records使用sqlalchemy的create_engine，DBAPI可以完全参照sqlalchemy文档，如下示例列出了连接PostgreSQL，MySQL，Oracle，Microsoft SQL Server， SQLite的DBAPI：
注：DBAPI是符合RFC 1738 Uniform Resource Locators (URL)定义的一种数据库连接方式
"""PostgreSQL"""
# default
db = records.Database('postgresql://scott:tiger@localhost/mydatabase')
# psycopg2
db = records.Database('postgresql+psycopg2://scott:tiger@localhost/mydatabase')
# pg8000
db = records.Database('postgresql+pg8000://scott:tiger@localhost/mydatabase')
"""MySQL"""
# default
db = records.Database('mysql://scott:tiger@localhost/foo')
# mysqlclient (a maintained fork of MySQL-Python)
db = records.Database('mysql+mysqldb://scott:tiger@localhost/foo')
# PyMySQL
db = records.Database('mysql+pymysql://scott:tiger@localhost/foo')
"""Oracle"""
db = records.Database('oracle://scott:tiger@127.0.0.1:1521/sidname')
db = records.Database('oracle+cx_oracle://scott:tiger@tnsname')
"""Microsoft SQL Server"""
# pyodbc
db = records.Database('mssql+pyodbc://scott:tiger@mydsn')
# pymssql
db = records.Database('mssql+pymssql://scott:tiger@hostname:port/dbname')
"""SQLite"""
# for a relative file path
db = records.Database('sqlite:///foo.db')
# for a absolute file path
# UNIX/MAC
db = records.Database('sqlite:////absolute/path/to/foo.db')
# Windows
db = records.Database('sqlite:///C:\\path\\to\\foo.db')
# Windows using raw string
db = records.Database(r'sqlite:///C:\path\to\foo.db')
# for a memory database
db = records.Database('sqlite://')
查询
Records可以方便的使用SQL语句来查询数据，通过调用query方法，对返回的结果，我们无需过多处理，就可以方便的使用。
>>> rows = db.query('SELECT * FROM users')
对于查询语句来说，Records返回的是一个Record对象或Record对象的一个列表。我们可以调用Record对象内置方法，比如：
as_dict() 作为一个字典返回。
as_dict(ordered=True) 作为一个OrderedDict返回。
我们还可以像操作字典一样去操作Record对象，比如使用keys()和values()
# 处理单条数据
>>> rows[0]
<Record {"id": 1, "name": "\u5f20\u4e09", "age": "27", "city": "\u5357\u4eac"}>
>>> rows[0].as_dict()
{'id': 1, 'name': '张三', 'age': '27', 'city': '南京'}
>>> rows[0].name
'张三'
>>> rows[0].get('city')
'南京'
# 处理多条数据
>>> rows.all()
[<Record {"id": 1, "name": "\u5f20\u4e09", "age": "27", "city": "\u5357\u4eac"}>, <Record {"id": 2, "name": "\u674e\u56db", "age": "32", "city": "\u6df1\u5733"}>, <Record {"id": 3, "name": "\u738b\u4e94", "age": "27", "city": "\u4e0a\u6d77"}>, <Record {"id": 4, "name": "\u5f20\u4e09", "age": "27", "city": "\u5317\u4eac"}>]
>>> rows.as_dict()
[{'id': 1, 'name': '张三', 'age': '27', 'city': '南京'}, {'id': 2, 'name': '李四', 'age': '32', 'city': '深圳'}, {'id': 3, 'name': '王五', 'age': '27', 'city': '上海'}, {'id': 4, 'name': '张三', 'age': '27', 'city': '北京'}]
我们也可以像处理任何可迭代对象一样使用循环来遍历每一行数据。
# 循环数据集
>>> for row in rows:
print(row.name, row.city)
张三 南京
李四 深圳
王五 上海
张三 北京
Records使用tablib来处理数据导出，tablib是一个纯Python编写的格式无关的表格数据处理库，使用tablib我们可以方便的将Records对象导出成下列格式：
- Excel (Sets + Books)
- JSON (Sets + Books)
- YAML (Sets + Books)
- Pandas DataFrames (Sets)
- HTML (Sets)
- Jira (Sets)
- TSV (Sets)
- ODS (Sets)
- CSV (Sets)
- DBF (Sets)
在Records类中，内置了一个dataset属性，用来生成一个tablib的Dataset对象，也提供了一个export方法，可以将Dataset对象转化为我们所需要的格式：
>>> print(rows.dataset)
id|name|age|city
--|----|---|----
1 |张三 |27 |南京
2 |李四 |32 |深圳
3 |王五 |27 |上海
4 |张三 |27 |北京
>>> rows.export('json')
'[{"id": 1, "name": "\\u5f20\\u4e09", "age": "27", "city": "\\u5357\\u4eac"}, {"id": 2, "name": "\\u674e\\u56db", "age": "32", "city": "\\u6df1\\u5733"}, {"id": 3, "name": "\\u738b\\u4e94", "age": "27", "city": "\\u4e0a\\u6d77"}, {"id": 4, "name": "\\u5f20\\u4e09", "age": "27", "city": "\\u5317\\u4eac"}]'
>>> print(rows.export('tsv'))
id name age city
1 张三 27 南京
2 李四 32 深圳
3 王五 27 上海
4 张三 27 北京
xls, xlsx, dbf, ods这类二进制数据，可以直接保存成文件
>>> with open('output.xls', 'wb') as f:
f.write(rows.export('xls'))
命令行工具
Records还提供了一个命令行工具，方便的在终端使用：
"""
useage:
records <query> [<format>] [<params>...] [--url=<url>]
records -h
"""
>>> records 'select * from users' tsv --url 'sqlite:///test.db'
id name age city
1 张三 27 南京
2 李四 32 深圳
3 王五 27 上海
4 张三 27 北京
其他操作
正如官方的slogan一样：Records: SQL for Humans™，Records是一个非常简单，但是很强大的，使用原生的SQL语句来处理大部分的关系型数据库的操作。
# INSERT
db.query('INSERT INTO users (name, age, city) VALUES (:name, :age, :city)',
name=name, age=age, city=city)
# UPDATE
db.query('UPDATE users SET city="成都" WHERE name = "赵六"')
# DELETE
db.query('DELETE FROM users WHERE name="赵六"')
