第5节：用 SQLite 数据库替换写死的假数据

前面几天我们已经把电影推荐网站跑起来了，但所有电影数据都硬编码在 main.py 里，既不便于维护，也无法动态增删。今天这一步，我们要把假数据"搬家"到 SQLite 数据库中，并让接口从数据库读取数据。

整体链路：删除硬编码数据 → 编写初始化脚本建库建表 → 可视化验证数据 → 改造接口查询逻辑 → 启动测试 → 新增数据验证动态效果。

---

一、清理 main.py 中的硬编码数据

打开项目中的 main.py，可以看到电影数据全部写死在文件里。我们把这部分整体删除，后续统一由数据库提供数据。

数据库选型上，关系型数据库（MySQL、PostgreSQL、SQLite 等）都可以胜任。MySQL/PostgreSQL 需要额外安装和配置，而 SQLite 轻量、免安装、就是一个文件，Python 内置 sqlite3 模块即可操作，非常适合本教程。因此本节课选用 SQLite。

---

二、编写初始化脚本：建库、建表、插入数据

在项目目录下新建 init.py，用于一次性把电影数据写入数据库。

操作数据库的流程是统一的：连接数据库 → 创建游标对象 → 执行增删改查 → 提交并关闭。可以这样理解：连接是修好通往数据库的"高速公路"，游标就是路上来回运送数据的"小货车"。

1. 连接数据库并创建游标

import sqlite3

# 连接数据库（不存在则自动创建 movies.db 文件）
connection = sqlite3.connect('movies.db')
# 创建游标对象
cursor = connection.cursor()

2. 删除旧表并创建新表

为保险起见，先删除可能存在的旧表，再创建新表：

# 删除数据表
cursor.execute('DROP TABLE IF EXISTS movies')

# 创建新的数据表
cursor.execute('''
    CREATE TABLE movies (
        id INTEGER PRIMARY KEY,
        title TEXT,
        year TEXT,
        tags TEXT,
        score REAL,
        desc TEXT,
        bg TEXT,
        director TEXT,
        actors TEXT,
        video_url TEXT
    )  
''')

3. 循环插入数据（使用占位符防 SQL 注入）

把原来的 movies_data 拷贝过来，用 for 循环逐条插入。字段值使用 ? 占位符，再传入真实值，可有效防止 SQL 注入：

# 插入数据
for movie in movies_data:
    cursor.execute('''
        INSERT INTO movies(id, title, year, tags, score, desc, bg, director, actors, video_url)
                   VALUES (?, ?, ?, ?, ?, ?, ?, ?, ?, ?)
    ''', (
        movie['id'], 
        movie['title'], 
        movie['year'], 
        movie['tags'], 
        movie['score'], 
        movie['desc'], 
        movie['bg'], 
        movie['director'], 
        movie['actors'], 
        movie['video_url']
    ))

4. 提交、关闭并打印结果

connection.commit()
connection.close()
print("数据库操作成功")

运行 init.py，终端输出"数据库操作成功"，同时项目目录下新增了 movies.db 文件——这就是我们的数据库文件。

---

三、用 Navicat 可视化验证数据

打开 Navicat，新建 SQLite 连接，选择"现有数据库文件"，指向项目目录下的 movies.db。连接成功后双击打开，可以看到新增的 movies 表，字段包括 id、title、year、tags、score、description、cover、director、actors、video_url。

以列表形式查看表数据，每一行就是一条电影记录，原来的假数据已全部入库。

---

四、改造 main.py：从数据库读取数据

数据准备好后，回到 main.py，先写一个获取数据库连接的公共方法，再改造随机推荐和详情两个接口。

1. 封装数据库连接方法

import sqlite3

def get_db_connection():
    connection = sqlite3.connect('movies.db')
    # 让查询结果可以像字典一样按字段名访问
    connection.row_factory = sqlite3.Row
    return connection

row_factory = sqlite3.Row 的作用是让查询结果支持 movie["id"]、movie["title"] 这样的字典式访问。

2. 随机推荐接口：SQL 随机排序取一条

先在 Navicat 的查询窗口验证 SQL 是否正确：

SELECT * FROM movies ORDER BY RANDOM() LIMIT 1;

多次运行，每次返回的记录都不同，说明语句可用。建议先在可视化工具里验证 SQL，再写进 Python 代码，这样排查问题时能快速区分是 SQL 错误还是代码错误。

确认无误后写入接口：

@app.get('/api/movie/random')
async def get_random_movie():
    # 从sqlite中随机筛选一条记录
    connection = get_db_connection()
    random_sql = "SELECT * FROM movies ORDER BY RANDOM() LIMIT 1"
    movie = connection.execute(random_sql).fetchone()
    connection.close()

    if not movie:
        raise HTTPException(status_code=404, detail='没有获取到电影')

    return format_movie(movie)

这里 connection.execute() 会自动创建游标，因此省略了手动 cursor 的步骤。

3. 详情接口：按 ID 查询

同样先在 Navicat 验证：

SELECT * FROM movies WHERE id = 4;

确认后写入代码，注意 ID 是动态的，必须用 ? 占位符并以元组传参（单元素元组也要带逗号）：

@app.get('/api/movie/{movie_id}')
async def get_movie_by_id(movie_id: int):
    connection = get_db_connection()
    fetch_sql = "SELECT * FROM movies where id = ?"
    movie = connection.execute(fetch_sql,(movie_id,)).fetchone()
    connection.close()

    if not movie:
        raise HTTPException(status_code=404, detail='没有获取到电影')

    return format_movie(movie)

---

五、启动测试与问题修复

启动服务：

uvicorn main:app --reload

问题一：页面空白，SQL 变量引用顺序错误

首次刷新页面没有任何输出。查看终端报错，提示 random_sql 在定义之前就被引用——把变量定义挪到使用之前即可，保存后服务自动重启。

问题二：演员列表显示异常

修复后刷新，随机推荐正常，每次都是不同电影；点击"立即观看"进入详情页，能正确显示《沙丘》《星际穿越》《赛博朋克》等影片。

但详情页的演员列表显示成了整段字符串。原因是数据库里 actors 字段存的是逗号分隔的字符串，而前端需要列表。为此在连接方法下方新增一个统一的格式转换方法：

def format_movie(movie_row):
    """处理actors字段"""
    movie_dict = dict(movie_row)
    if movie_dict.get('actors'):
        movie_dict['actors'] = movie_dict['actors'].split(',')
    return movie_dict

在两个接口返回前分别调用 format_movie(movie)。刷新页面后，演员列表恢复正常显示。

---

六、新增数据验证动态效果

为了验证数据真正由数据库驱动，在 Navicat 中直接插入一条新记录：ID 为 5，片名"大熊课堂"，年份 2025，标签科技/IT，评分 10 分，并补充封面、简介、导演、演员等信息。

回到网站刷新首页，随机推荐中出现了"大熊课堂"，评分 10 分，点击进入详情页也能正常展示。这说明首页和详情页的数据完全来自数据库，新增记录会即时生效。

---

小结

本节完成了数据从代码到数据库的"搬家"：

1. 删除 main.py 中的硬编码电影数据；
2. 编写 init.py，用 sqlite3 建库建表并批量插入数据，插入时使用 ? 占位符防止 SQL 注入；
3. 用 Navicat 可视化确认数据入库，并养成"先验证 SQL、再写代码"的调试习惯；
4. 在 main.py 中封装连接方法，用 ORDER BY RANDOM() LIMIT 1 实现随机推荐、用 WHERE id = ? 实现详情查询；
5. 通过 format_movie 统一处理演员字段的字符串转列表；
6. 在数据库中新增记录后刷新页面，验证了数据的动态生效。

至此，网站的数据层已切换为 SQLite，后续增删改查都只需操作数据库即可。