Python 标准库 sqlite3 入门：给小工具加一个零配置的本地数据库

一、场景：JSON 文件撑不住的时候

写 Python 小工具，数据存储往往要经历一条演进路线：一开始存在变量里，后来存 JSON 文件，再往后要按条件查、要并发写、要去重，JSON 就越来越吃力——每次读写都全量加载、过滤逻辑全部手写、多进程一起写还会互相覆盖。这时候不必急着上 MySQL，Python 标准库自带的 sqlite3 就够用：一个文件就是一个数据库，零安装、零配置、零服务，还能随脚本一起分发。

SQLite 是单文件嵌入式数据库，手机、浏览器内部都在用它。Python 3 内置 sqlite3 模块，import 即用，连 pip install 都省了。

二、五分钟跑通增删改查

import sqlite3

# 连接数据库（文件不存在会自动创建）
conn = sqlite3.connect("todo.db")
cur = conn.cursor()

# 建表
cur.execute("""
CREATE TABLE IF NOT EXISTS task (
    id INTEGER PRIMARY KEY AUTOINCREMENT,
    title TEXT NOT NULL,
    done INTEGER DEFAULT 0,
    created_at TEXT DEFAULT (datetime('now', 'localtime'))
)
""")

# 插入
cur.execute("INSERT INTO task (title) VALUES (?)", ("周报整理",))
conn.commit()

# 查询
for row in cur.execute("SELECT id, title, done, created_at FROM task WHERE done = 0"):
    print(row)

# 更新与清理
cur.execute("UPDATE task SET done = 1 WHERE id = ?", (1,))
cur.execute("DELETE FROM task WHERE created_at < datetime('now', 'localtime', '-30 day')")
conn.commit()
conn.close()

两个细节值得注意：created_at 用 datetime('now','localtime')，是因为 SQLite 默认时间是 UTC；写操作后面都要跟 commit()，SQLite 默认开事务，忘了提交，进程一退出数据就没了。

三、新手最容易踩的三个坑

1. 拼接 SQL 引发注入。 永远不要用 f-string 或 % 拼 SQL：一旦传入的字符串里带引号，轻则报错，重则被注入。正确姿势是参数化占位符：

cur.execute("SELECT * FROM task WHERE title = ?", (kw,))

2. 逐条插入太慢。 批量写入用 executemany，比循环 execute 快一个数量级：

cur.executemany("INSERT INTO task (title) VALUES (?)", [("任务A",), ("任务B",)])

3. 连接没关闭。 推荐用 with 上下文管理事务，代码更稳：

with sqlite3.connect("todo.db") as conn:
    conn.execute("INSERT INTO task (title) VALUES (?)", ("对账",))
    conn.commit()

注意 with 块结束提交的是事务，连接对象本身仍需 close；不过一次性脚本跑完进程退出，影响也不大。

四、顺手导出 Excel 给业务同事

sqlite3 与 pandas 能无缝配合（pd.read_sql / df.to_sql），后台存 SQLite、前台导 Excel，比直接读写 xlsx 稳得多：

import pandas as pd

df = pd.read_sql("SELECT * FROM task", sqlite3.connect("todo.db"))
df.to_excel("tasks.xlsx", index=False)

五、什么时候该换数据库

SQLite 适合单机、单写多读、数据量几百 MB 以内的场景。当出现多进程高频并发写、多台机器共享数据、单表千万行以上时，再迁移 MySQL / PostgreSQL 也不迟——SQL 语句基本原样可用，迁移成本主要在部署运维，不在代码。