使用 Python 创建一个简单的数据库类，支持增、删、改、查操作（超详细）

💡一则或许对你有用的小广告

欢迎加入小哈的星球 ，你将获得：专属的项目实战 / 1v1 提问 / Java 学习路线 / 学习打卡 / 每月赠书 / 社群讨论

• 新项目:《从零手撸：仿小红书（微服务架构）》 正在持续爆肝中，基于 Spring Cloud Alibaba + Spring Boot 3.x + JDK 17...，点击查看项目介绍 ;演示链接： http://116.62.199.48:7070 ;
• 《从零手撸：前后端分离博客项目（全栈开发）》 2 期已完结，演示链接： http://116.62.199.48/ ;

截止目前， 星球 内专栏累计输出 90w+ 字，讲解图 3441+ 张，还在持续爆肝中.. 后续还会上新更多项目，目标是将 Java 领域典型的项目都整一波，如秒杀系统, 在线商城, IM 即时通讯，权限管理，Spring Cloud Alibaba 微服务等等，已有 3100+ 小伙伴加入学习 ，欢迎点击围观

前言

在编程领域，数据库操作是开发应用的核心能力之一。无论是管理用户信息、商品库存，还是记录日志数据，都需要通过增、删、改、查（CRUD）操作与数据交互。对于编程初学者而言，理解数据库的基本逻辑和实现方式，既能提升代码能力，也能为后续学习复杂框架（如 SQLAlchemy 或 Django ORM）打下坚实基础。本文将通过一个轻量级的 Python 类案例，逐步讲解如何从零构建支持基础 CRUD 操作的数据库系统，并通过实际代码演示其工作原理。

数据库的基本概念与类的设计思路

数据库的比喻：一个“数字图书馆”

想象一个图书馆，书籍（数据）按照特定规则分类存放，管理员（程序）可以通过书名、作者或分类号快速找到目标书籍。数据库的逻辑与此类似：数据以结构化形式存储，开发者通过预定义的操作（如增、删、改、查）与之交互。

在 Python 中，我们可以用字典（Dictionary）模拟简单的数据库结构。例如：

database = {  
    "user_001": {"name": "Alice", "age": 30},  
    "user_002": {"name": "Bob", "age": 25}  
}  

这样的设计能快速实现数据的增删改查，但缺乏系统性和扩展性。因此，我们需要将这些操作封装到一个类中，使其具备以下特点：

• 数据隔离：所有操作通过类的方法调用，避免直接暴露内部数据结构。
• 一致性：确保增删改查的逻辑统一，减少代码冗余。
• 可扩展性：未来可添加事务、索引或持久化存储功能。

数据库类的设计与核心功能实现

类的初始化与基础结构

首先定义一个 SimpleDatabase 类，并在初始化时设置存储数据的容器（如字典）：

class SimpleDatabase:  
    def __init__(self):  
        self.data = {}  # 使用字典存储所有数据  
        self.next_id = 1  # 用于生成唯一标识符  

next_id 的作用是为每条新增数据分配唯一的 id，例如 "item_001"。这类似于图书馆为每本书分配一个唯一编号。

实现核心方法：增（Create）

方法名：add_entry
功能：向数据库中添加一条新记录。
逻辑步骤：

1. 生成唯一的 id（如 "item_001"）。
2. 将新数据与 id 绑定，存入 self.data。
3. 更新 next_id 的值，确保后续 id 唯一。

代码示例：

def add_entry(self, **kwargs):  
    """添加一条新记录，返回生成的 id"""  
    entry_id = f"item_{self.next_id:03d}"  # 格式化为三位数的 id  
    self.data[entry_id] = kwargs  
    self.next_id += 1  
    return entry_id  

使用案例：

db = SimpleDatabase()  
new_id = db.add_entry(name="Charlie", age=35)  
print(db.data)  # 输出：{'item_001': {'name': 'Charlie', 'age': 35}}  

实现核心方法：查（Retrieve）

方法名：find_entry
功能：根据 id 或其他条件查询数据。
逻辑步骤：

1. 若提供 entry_id，直接返回对应记录。
2. 若提供查询条件（如 name="Alice"），遍历所有数据匹配条件。

代码示例：

def find_entry(self, entry_id=None, **kwargs):  
    """根据 id 或条件查询数据"""  
    if entry_id:  
        return self.data.get(entry_id)  
    # 根据条件查询  
    results = []  
    for entry in self.data.values():  
        match = True  
        for key, value in kwargs.items():  
            if entry.get(key) != value:  
                match = False  
                break  
        if match:  
            results.append(entry)  
    return results  

使用案例：

db.add_entry(name="Alice", age=30)  
db.add_entry(name="Alice", age=28)  

print(db.find_entry("item_002"))  # 输出：{'name': 'Alice', 'age': 30}  

print(db.find_entry(name="Alice"))  # 输出：[{'name': 'Alice', 'age': 30}, {'name': 'Alice', 'age': 28}]  

实现核心方法：改（Update）

方法名：update_entry
功能：根据 id 更新指定记录的字段。
逻辑步骤：

1. 检查 entry_id 是否存在。
2. 将新数据合并到原记录中（覆盖已有字段）。

代码示例：

def update_entry(self, entry_id, **kwargs):  
    """根据 id 更新记录的字段"""  
    if entry_id not in self.data:  
        return False  # 更新失败  
    self.data[entry_id].update(kwargs)  
    return True  # 更新成功  

使用案例：

db = SimpleDatabase()  
db.add_entry(name="Dave", age=40)  
print(db.data)  # 输出：{'item_001': {'name': 'Dave', 'age': 40}}  

db.update_entry("item_001", age=41)  
print(db.data)  # 输出：{'item_001': {'name': 'Dave', 'age': 41}}  

实现核心方法：删（Delete）

方法名：delete_entry
功能：根据 id 删除指定记录。
逻辑步骤：

1. 检查 entry_id 是否存在。
2. 若存在，从字典中移除该键值对。

代码示例：

def delete_entry(self, entry_id):  
    """根据 id 删除记录"""  
    if entry_id in self.data:  
        del self.data[entry_id]  
        return True  # 删除成功  
    return False  # 删除失败（记录不存在）  

使用案例：

db = SimpleDatabase()  
db.add_entry(name="Eve", age=22)  
print(db.delete_entry("item_001"))  # 输出：True  
print(db.data)  # 输出：{}  

完整代码与功能验证

整合所有方法的类

以下是完整的 SimpleDatabase 类代码，包含所有 CRUD 方法：

class SimpleDatabase:  
    def __init__(self):  
        self.data = {}  
        self.next_id = 1  

    def add_entry(self, **kwargs):  
        entry_id = f"item_{self.next_id:03d}"  
        self.data[entry_id] = kwargs  
        self.next_id += 1  
        return entry_id  

    def find_entry(self, entry_id=None, **kwargs):  
        if entry_id:  
            return self.data.get(entry_id)  
        results = []  
        for entry in self.data.values():  
            match = True  
            for key, value in kwargs.items():  
                if entry.get(key) != value:  
                    match = False  
                    break  
            if match:  
                results.append(entry)  
        return results  

    def update_entry(self, entry_id, **kwargs):  
        if entry_id not in self.data:  
            return False  
        self.data[entry_id].update(kwargs)  
        return True  

    def delete_entry(self, entry_id):  
        if entry_id in self.data:  
            del self.data[entry_id]  
            return True  
        return False  

功能测试案例

db = SimpleDatabase()  

user1_id = db.add_entry(name="Frank", age=32, city="New York")  
user2_id = db.add_entry(name="Grace", age=28, city="London")  

print("根据 id 查询：", db.find_entry(user1_id))  
print("根据条件查询：", db.find_entry(city="London"))  

db.update_entry(user1_id, age=33)  
print("更新后的数据：", db.find_entry(user1_id))  

print("删除前总数：", len(db.data))  
db.delete_entry(user2_id)  
print("删除后总数：", len(db.data))  

预期输出：

根据 id 查询： {'name': 'Frank', 'age': 32, 'city': 'New York'}  
根据条件查询： [{'name': 'Grace', 'age': 28, 'city': 'London'}]  
更新后的数据： {'name': 'Frank', 'age': 33, 'city': 'New York'}  
删除前总数： 2  
删除后总数： 1  

进阶优化与注意事项

1. 异常处理与容错机制

当前类未处理无效输入（如非字符串的 entry_id 或空数据），可添加类型检查和错误提示：

def add_entry(self, **kwargs):  
    if not kwargs:  
        raise ValueError("必须提供至少一个字段")  
    # ...其余代码...  

2. 数据持久化

当前数据仅存储在内存中，程序重启后会丢失。可通过 json 模块将数据保存到文件：

import json  

def save_to_file(self, filename):  
    with open(filename, "w") as f:  
        json.dump(self.data, f)  

def load_from_file(self, filename):  
    with open(filename, "r") as f:  
        self.data = json.load(f)  

3. 性能优化

对于大型数据集，遍历字典查询效率较低。可引入索引结构（如按字段建立字典）：

class IndexedDatabase(SimpleDatabase):  
    def __init__(self):  
        super().__init__()  
        self.indices = {}  # 存储索引字段的映射  

    def add_entry(self, **kwargs):  
        entry_id = super().add_entry(**kwargs)  
        # 为每个字段建立索引  
        for key in kwargs:  
            if key not in self.indices:  
                self.indices[key] = {}  
            self.indices[key][entry_id] = kwargs[key]  
        return entry_id  

结论

通过本文，我们从零构建了一个支持增、删、改、查操作的 Python 数据库类。这一过程不仅巩固了面向对象编程的基础知识，还通过实际案例演示了如何将抽象概念转化为可执行代码。对于初学者而言，这是理解数据库底层逻辑的绝佳起点；对于中级开发者，则可通过扩展该类实现更复杂的场景（如事务处理或分布式存储）。

未来的学习方向可以包括：

• 学习关系型数据库（如 SQLite、MySQL）的交互方法。
• 探索 Python ORM 框架（如 SQLAlchemy），了解如何通过对象映射简化数据库操作。
• 研究数据持久化与安全性，如加密存储或备份策略。

掌握数据库操作能力后，你将能够更自信地开发需要数据管理的应用程序，无论是小型工具还是中型项目。希望本文能为你提供清晰的入门路径！