连接数据库后怎么查询数据
准备工作：连接数据库的必要条件
在查询数据之前，确保已正确连接到目标数据库，这包括安装相应的数据库驱动（如MySQL的JDBC、PostgreSQL的psycopg2等），并获取连接所需的信息，如主机地址、端口号、数据库名称、用户名和密码，以Python为例，可以使用pymysql或psycopg2等库建立连接，代码示例如下：
import pymysql
connection = pymysql.connect(
host='localhost',
user='root',
password='password',
database='test_db'
)
连接成功后，即可执行后续的查询操作。
执行基本查询：使用SQL语句
查询数据的核心是编写SQL（Structured Query Language）语句，最常用的查询语句是SELECT，用于从表中检索数据，查询users表中的所有数据：
SELECT * FROM users;
如果只需要特定列，可以明确指定列名，如SELECT id, name FROM users;。WHERE子句可用于过滤条件，例如查询年龄大于30的用户：
SELECT * FROM users WHERE age > 30;
处理查询结果：获取并解析数据
执行查询后，数据库会返回结果集，在编程中，通常需要遍历结果集并处理数据，以Python为例，使用fetchall()方法获取所有结果：
cursor = connection.cursor()
cursor.execute("SELECT * FROM users")
results = cursor.fetchall()
for row in results:
print(row)
如果数据量较大，可以使用fetchone()逐行获取，或通过分页查询（如LIMIT和OFFSET）优化性能。
高级查询：排序、聚合与分组
除了基本查询，还可以通过ORDER BY对结果排序，例如按年龄降序排列：
SELECT * FROM users ORDER BY age DESC;
聚合函数（如COUNT、SUM、AVG）可用于统计计算，例如计算用户总数：
SELECT COUNT(*) FROM users;
GROUP BY子句则可按特定列分组统计，如按性别统计用户数量：
SELECT gender, COUNT(*) FROM users GROUP BY gender;
注意事项：性能与安全
在查询数据时，需注意性能优化，避免使用SELECT *，而是只查询必要的列；对大表添加索引可加快查询速度，防止SQL注入攻击至关重要，建议使用参数化查询而非字符串拼接。
cursor.execute("SELECT * FROM users WHERE id = %s", (user_id,))
相关问答FAQs
Q1: 如何处理查询结果为空的情况？
A1: 如果查询结果为空，可能是数据不存在或条件不匹配，建议先检查SQL语句是否正确，并通过EXPLAIN分析查询计划，在代码中，可通过判断结果集长度或捕获异常（如EmptyResultException）来处理空结果的情况。
Q2: 如何优化大数据量的查询性能？
A2: 优化方法包括：1）使用索引加速查询；2）避免全表扫描，限制返回列数；3）分页查询（如LIMIT 100 OFFSET 0）；4）使用缓存存储频繁访问的数据；5）对复杂查询考虑物化视图或数据库分区技术。