Python sqlite3.Row 如何让查询结果支持列名访问：row_factory、类型转换与空值检查

订单列表从元组改成按列名读取后，代码会更好懂，但真正容易踩坑的地方在结果边界：sqlite3.Row 只改变行的访问方式，不会把 NULL 变成空字符串，也不会替你设计金额和时间的业务类型。把 row_factory、列名访问和 Python 类型一次核对清楚，读取层就不容易在后续拼装响应时失真。

先把 Row 的访问边界跑出来

下面的实验只使用内存数据库，表结构和查询就是文章中后续判断的依据。查询固定取订单 1002，它的金额是 0.0，发货时间是 SQL NULL，这样可以把“零值”和“缺失”同时放到输出里。

connection = sqlite3.connect(":memory:")
connection.row_factory = sqlite3.Row
row = connection.execute(
    """
    SELECT order_id, customer, amount, shipped_at,
           COUNT(*) OVER () AS total_rows
    FROM orders
    WHERE order_id = ?
    """,
    (1002,),
).fetchone()

输出中的 row_type= Row 是第一道检查。接着看 keys=：它列出 order_id、customer、amount、shipped_at 和 total_rows，说明查询别名也成为行的可访问列名。row["customer"] 与 row[1] 得到同一个客户值，但代码里更推荐列名写法，查询调整列顺序时不容易把业务字段读错。

row_factory 影响的是行对象，不是数据类型

row_factory 可以设置在连接上，也可以设置在游标上。连接级设置会影响之后创建的游标；已经创建的游标不会因为事后修改连接属性而追溯改变。这个时机在封装数据库访问类时很重要，通常应在创建游标前完成设置。

本例的 amount 来自 SQLite 的 REAL 列，读取后是 Python float；order_id 是 int。COUNT(*) OVER () 的结果也按整数返回，所以它可以直接作为列表总数使用，但分页接口仍要根据自己的查询范围设计统计口径。

NULL、零值和业务转换要分三层处理

终端中的 python_types= int float NoneType 说明驱动已经完成基础类型映射，但这不等于业务校验完成。发货时间为空时，可以把它显示为“待发货”；金额为零时，则应保留为 0.0，不能用 if not row["amount"] 把它误判成缺失。

shipped_at = row["shipped_at"]
if shipped_at is None:
    display_time = "待发货"
else:
    display_time = shipped_at

amount = row["amount"]
if amount is None:
    raise ValueError("amount must not be NULL")

如果接口需要十进制金额、日期对象或枚举状态，应在读取层之后增加明确的转换函数，并保留转换失败的字段名。不要把所有列一股脑转成字符串，否则前端看到的“0.0”和后端的数值比较会失去边界。

常见误区与复查清单

• 只设置 cursor.row_factory，却从另一个游标读取：先确认实际执行查询的游标来源。
• 把 Row 当成普通字典调用 row.get()：需要默认值时先判断列是否在 row.keys() 中。
• 用真假判断处理金额和数量：对允许为零的字段使用 is None 检查缺失。
• 关闭连接前才读取结果：先把需要的字段转换完成，再进入响应或模板层。

相关问题

sqlite3.Row 能直接修改查询结果吗？

不能把它当作可写字典使用。它适合读取；需要修改数据时应执行明确的 UPDATE，再重新查询确认。

Row 的列名区分大小写吗？

列名访问支持大小写不敏感的 ASCII 匹配，但工程中仍应保持 SQL 别名和 Python 字段名一致，减少跨数据库迁移时的误解。

为什么不直接用字典工厂？

sqlite3.Row 同时保留下标访问，且开销低；如果确实需要序列化字典，再在边界层按白名单转换字段。

把读取约定固定下来

这个小实验的验收标准很明确：看到 Row 和完整的 keys()，说明访问方式生效；看到 None 与 0.0 同时出现，说明空值和零值没有被混淆。把这两项检查放进数据库适配层测试，比在接口出问题后再猜字段更省时间。