使用 Python 将 Excel 数据批量导入到数据库中（SQLite）
<p>在日常数据处理工作中，将 Excel 文件内容导入数据库是一个常见需求。Python 生态中虽然有 pandas、openpyxl 等成熟方案，但当遇到超大型 Excel 文件或需要精细控制单元格格式时，借助专用组件往往能提升开发效率。</p><p>本文基于轻量级 Excel 处理库完成 Excel 文件解析，结合 Python 内置的 SQLite 数据库（无需独立部署），实现多工作表自动识别、动态创建表结构、批量数据入库的完整方案。</p>
<h2 id="一应用场景与方案优势">一、应用场景与方案优势</h2>
<h3 id="适用场景">适用场景</h3>
<ol>
<li>企业 Excel 报表数据迁移至数据库持久化存储；</li>
<li>自动化办公：定期将 Excel 导出数据同步到数据库；</li>
<li>轻量级数据中台：多 Excel 文件整合入库，方便后续查询分析；<br>
4.测试数据构造：快速将 Excel 测试数据导入数据库。</li>
</ol>
<h3 id="方案核心优势">方案核心优势</h3>
<ol>
<li>无环境依赖：无需安装 Microsoft Office/WPS，纯 Python 库解析 Excel；</li>
<li>多工作表适配：自动遍历 Excel 所有 sheet，无需手动指定；</li>
<li>动态建表：根据 Excel 表头自动生成数据库表结构；</li>
<li>安全稳定：参数化 SQL 防注入，事务管理保证数据一致性；</li>
<li>轻量免费：适用于中小型 Excel 文件处理，无额外成本。</li>
</ol>
<h2 id="二环境准备">二、环境准备</h2>
<p>仅需安装 Excel 解析库（Free Spire.XLS for Python），SQLite 为 Python 内置库，无需额外安装：</p>
<pre><code class="language-bash">pip install FreeSpire.XLS
</code></pre>
<h2 id="三核心执行流程">三、核心执行流程</h2>
<p>整个程序分为 5 个核心步骤，数据流转清晰无冗余：</p>
<p><strong>加载Excel文件 → 连接数据库 → 遍历工作表 → 读取表头+动态建表 → 逐行数据插入 → 提交事务+释放资源</strong></p>
<h3 id="31-完整代码">3.1 完整代码</h3>
<pre><code class="language-python">from spire.xls import Workbook
import sqlite3
def excel_to_sqlite(excel_path, db_path):
# 1. 加载 Excel 文件
workbook = Workbook()
workbook.LoadFromFile(excel_path)
# 2. 连接数据库
conn = sqlite3.connect(db_path)
cursor = conn.cursor()
# 3. 遍历每个工作表
for sheet_index in range(workbook.Worksheets.Count):
sheet = workbook.Worksheets.get_Item(sheet_index)
sheet_name = sheet.Name.replace(" ", "") # 表名中去掉空格
# 4. 读取表头（第一行）
header = []
for col in range(sheet.AllocatedRange.ColumnCount):
raw_value = sheet.Range.Value
# 字段名中去掉空格，并避免空字段
field_name = raw_value.replace(" ", "") if raw_value else f"col_{col}"
header.append(field_name)
# 5. 创建数据库表（所有字段暂定为 TEXT 类型）
create_sql = f"""
CREATE TABLE IF NOT EXISTS {sheet_name} (
{', '.join( TEXT' for h in header])}
)
"""
cursor.execute(create_sql)
# 6. 逐行插入数据（跳过表头行）
for row in range(1, sheet.AllocatedRange.RowCount):# row=1 对应 Excel 第二行
row_data = []
for col in range(sheet.AllocatedRange.ColumnCount):
cell_value = sheet.Range.Value
row_data.append(cell_value)
# 使用参数化查询防止 SQL 注入
placeholders = ','.join(['?' for _ in row_data])
insert_sql = f"INSERT INTO {sheet_name} ({','.join(header)}) VALUES ({placeholders})"
cursor.execute(insert_sql, row_data)
# 7. 提交并清理
conn.commit()
conn.close()
workbook.Dispose()
if __name__ == "__main__":
excel_to_sqlite("Sample.xlsx", "output/Report.db")
</code></pre>
<h3 id="32-关键点解析">3.2 关键点解析</h3>
<p><strong>1. 工作表遍历与表名清洗</strong><br>
<code>workbook.Worksheets.Count</code> 获取工作表总数，<code>get_Item(s)</code> 按索引获取。工作表名称可能包含空格、特殊字符，直接用作 SQLite 表名会导致语法错误，因此使用 <code>.replace(" ", "")</code> 去除空格。更严谨的做法可增加正则过滤，只保留字母数字和下划线。</p>
<p><strong>2. 动态建表与字段类型</strong><br>
示例将所有字段定义为 <code>TEXT</code> 类型，适配 Excel 中字符串、数字、日期等通用格式（可根据业务修改数据类型）。</p>
<p><strong>3. 数据读取的范围</strong><br>
<code>sheet.AllocatedRange</code> 返回已使用的单元格区域（包含数据的最大矩形），比直接遍历全部行列更高效。注意 <code>RowCount</code> 和 <code>ColumnCount</code> 是基于 1 的计数。</p>
<p><strong>4. 参数化插入</strong><br>
使用 <code>?</code> 占位符配合 <code>cursor.execute(insert_sql, row_data)</code> 能自动处理字符串转义，避免因 Excel 单元格内容包含单引号导致的 SQL 错误，同时防范注入风险。</p>
<h2 id="四扩展适配其他数据库">四、扩展：适配其他数据库</h2>
<p>只需修改数据库连接部分，即可迁移到 MySQL、PostgreSQL 等。注意不同数据库的标识符引用符不同（MySQL 用反引号 <code>`</code>，PostgreSQL 用双引号 <code>"</code>），以及字段类型映射的差异。例如连接 MySQL：</p>
<pre><code class="language-python">import pymysql
conn = pymysql.connect(host='localhost', user='root', password='123456', db='test')
cursor = conn.cursor()
# 建表时将 改为 `field`
</code></pre>
<h2 id="结语">结语</h2>
<p>本文实现了一套轻量化、高可用的 Excel 数据导入数据库方案，核心优势为多工作表自动适配、动态表结构生成、安全的数据插入，代码简洁且易于二次开发。方案适用于日常数据迁移、报表导入等轻量级场景，无需复杂配置即可快速落地使用。</p><br><br>
来源：https://www.cnblogs.com/jazz-z/p/19833934
頁:
[1]