Psycopg 3类型适配器详解：从基础类型到复杂JSON处理-洪萨配资

Psycopg 3类型适配器详解：从基础类型到复杂JSON处理

【免费下载链接】psycopgNew generation PostgreSQL database adapter for the Python programming language项目地址: https://gitcode.com/gh_mirrors/ps/psycopg

Psycopg 3作为Python语言的新一代PostgreSQL数据库适配器，提供了强大的类型转换功能，能够无缝连接Python与PostgreSQL数据类型。本文将详细介绍Psycopg 3的类型适配器系统，从基础类型映射到复杂JSON处理，帮助开发者轻松实现数据交互。

基础类型适配器：无缝对接Python与PostgreSQL

数值类型适配

Psycopg 3对数值类型提供了全面支持，Python的int、float和Decimal类型可自动转换为PostgreSQL的对应类型。默认情况下，Pythonint会根据数值大小适配为PostgreSQL的integer或bigint，而Decimal则对应numeric类型。

如需将PostgreSQLnumeric类型转换为Pythonfloat，可通过注册自定义加载器实现：

conn.adapters.register_loader("numeric", psycopg.types.numeric.FloatLoader)

日期时间类型处理

日期时间类型的适配是数据库交互中的常见需求。Psycopg 3支持Pythondatetime模块与PostgreSQL日期时间类型的双向转换：

Pythondate↔ PostgreSQLdate
Pythondatetime↔ PostgreSQLtimestamp/timestamptz
Pythontime↔ PostgreSQLtime
Pythontimedelta↔ PostgreSQLinterval

时区感知的datetime对象会自动适配为PostgreSQL的timestamptz类型，确保时间信息的准确传递。

UUID类型支持

Pythonuuid.UUID对象与PostgreSQLUUID类型的转换非常简单，Psycopg 3提供了原生支持：

from uuid import uuid4 conn.execute("INSERT INTO users (id) VALUES (%s)", [uuid4()])

数组与枚举类型：高级数据结构适配

数组类型处理

PostgreSQL的数组类型可直接与Pythonlist相互转换。Psycopg 3会自动处理一维数组的适配，对于多维数组也提供了良好支持：

# Python list → PostgreSQL array conn.execute("INSERT INTO scores VALUES (%s)", [[90, 85, 95]]) # PostgreSQL array → Python list scores = conn.execute("SELECT scores FROM students WHERE id=1").fetchone()[0]

枚举类型映射

Psycopg 3支持Pythonenum.Enum与PostgreSQL枚举类型的双向映射。使用register_enum()函数可实现完整的类型转换：

from psycopg.types.enum import EnumInfo, register_enum from enum import Enum class Status(Enum): ACTIVE = "active" INACTIVE = "inactive" # 获取PostgreSQL枚举信息并注册 enum_info = EnumInfo.fetch(conn, "status_enum") register_enum(enum_info, Status) # 现在可以直接使用枚举成员 conn.execute("INSERT INTO users (status) VALUES (%s)", [Status.ACTIVE])

JSON类型处理：灵活高效的数据交换

JSON与JSONB支持

Psycopg 3提供了Json和Jsonb包装器，用于Python对象与PostgreSQL JSON/JSONB类型的转换。默认使用标准库json模块进行序列化和反序列化：

from psycopg.types.json import Jsonb data = {"name": "Alice", "age": 30, "hobbies": ["reading", "hiking"]} conn.execute("INSERT INTO profiles VALUES (%s)", [Jsonb(data)])

自定义JSON序列化

通过set_json_dumps()和set_json_loads()函数，可自定义JSON的序列化和反序列化过程，支持如ujson、msgspec等高效库：

from psycopg.types.json import set_json_dumps, set_json_loads import ujson # 全局设置 set_json_dumps(ujson.dumps) # 连接级别设置 set_json_loads(partial(json.loads, parse_float=Decimal), conn)

对于特殊对象（如UUID），可通过自定义编码器实现序列化：

class UUIDEncoder(json.JSONEncoder): def default(self, obj): if isinstance(obj, UUID): return str(obj) return json.JSONEncoder.default(self, obj) uuid_dumps = partial(json.dumps, cls=UUIDEncoder) obj = {"uuid": uuid4()} conn.execute("INSERT INTO objs VALUES %s", [Json(obj, dumps=uuid_dumps)])

自定义类型适配器：扩展适配能力

适配器注册机制

Psycopg 3的适配器系统基于上下文管理，允许在不同级别注册自定义适配器：

全局级别：修改psycopg.adapters影响所有连接
连接级别：通过conn.adapters影响单个连接
游标级别：通过cur.adapters影响单个游标

注册自定义加载器和转储器的基本方法：

# 注册加载器（PostgreSQL → Python） conn.adapters.register_loader("xml", XmlLoader) # 注册转储器（Python → PostgreSQL） conn.adapters.register_dumper(ET.Element, XmlDumper)

适配器继承与隔离

适配器上下文支持继承机制，子上下文会继承父上下文的适配器配置。这使得可以创建隔离的适配器环境，满足不同场景的需求：

# 创建新的适配器上下文 new_context = psycopg.adapters.copy() new_context.register_loader("numeric", FloatLoader) # 使用新上下文创建连接 conn = psycopg.connect(conninfo, context=new_context)

实战应用：优化类型适配性能

选择合适的适配器策略

在处理大量数据时，选择合适的类型适配器策略可以显著提升性能：

对于数值类型，考虑使用float替代Decimal以提高处理速度
对于JSON数据，使用ujson或msgspec替代标准json模块
对于大型数组，考虑使用numpy类型以优化内存使用

常见问题解决方案

时区处理：始终使用时区感知的datetime对象，避免时区转换错误
大数值处理：对于超大整数，考虑使用Numeric类型避免精度丢失
复杂对象序列化：通过自定义适配器简化复杂对象的数据库存储

总结：掌握Psycopg类型适配器

Psycopg 3的类型适配器系统为Python与PostgreSQL之间的数据交互提供了强大支持，从基础类型到复杂JSON结构，都能实现无缝转换。通过灵活使用内置适配器和自定义扩展，开发者可以构建高效、可靠的数据库应用。

要深入了解Psycopg 3类型适配器的更多细节，请参考官方文档：

适配器基础：docs/basic/adapt.rst
类型系统API：docs/api/types.rst
JSON处理：docs/api/types.rst

【免费下载链接】psycopgNew generation PostgreSQL database adapter for the Python programming language项目地址: https://gitcode.com/gh_mirrors/ps/psycopg

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

Psycopg 3类型适配器详解：从基础类型到复杂JSON处理