DeepSeek 如何获取数据库中的表信息（表名和字段名称） ...

问题背景

在测试或开辟过程中，了解数据库的表结构（包括表名和字段名称）是非常重要的一环，尤其是当我们需要测试数据库相关的功能或验证数据时。然而，手动查看数据库结构可能耗时且容易出错。假如可以或许通过 DeepSeek 与数据库直接交互，自动获取表名和字段信息，将大大提升测试服从。
本文将介绍如何利用 DeepSeek 模型结合 数据库查询，自动生成表结构信息（包括表名和字段名称）。此外，还会展示如何通过天然语言描述，让 DeepSeek 自动生成对应的 SQL 查询，从而实现对数据库结构的智能化探索。

---

办理思路

为了获取数据库的表信息（表名和字段名称），我们可以将 DeepSeek 模型 与 数据库元数据查询 结合，接纳以下步骤：

• 通过天然语言生成元数据查询语句：
  让 DeepSeek 根据输入的天然语言描述生成 SQL 查询语句，例如：
  
  
  
  • 输入：“获取所有表名和字段信息”
    
  • 输出：SELECT table_name, column_name FROM information_schema.columns WHERE table_schema = 'public';
    
  
  
• 实行 SQL 查询：
  
  
  
  • 利用 Python 的数据库库（如 sqlite3、psycopg2、pyodbc 等）毗连数据库。
    
  • 实行 DeepSeek 生成的 SQL 查询，获取表名和字段信息。
    
  
  
• 输出表结构信息：
  
  
  
  • 将查询结果整理成易于阅读的格式（如表格或 JSON）。
    
  
  
• 生成天然语言描述：
  
  
  
  • 利用 DeepSeek 模型，将表结构信息以天然语言表达，如 “表 users 有 3 个字段：id, name, email”。
    
  
  

---

实现步骤

以下是具体的实现方案及代码示例。

---

1. 数据库元数据查询

数据库的元数据存储在体系表中，以下是常用数据库查询表信息的 SQL 语句：
1.1 PostgreSQL

1. -- 获取所有表名
2. SELECT table_name
3. FROM information_schema.tables
4. WHERE table_schema = 'public';
6. -- 获取指定表的字段信息
7. SELECT column_name, data_type
8. FROM information_schema.columns
9. WHERE table_name = 'your_table_name';

复制代码

1.2 MySQL

1. -- 获取所有表名
2. SHOW TABLES;
4. -- 获取指定表的字段信息
5. DESCRIBE your_table_name;

复制代码

1.3 SQLite

1. -- 获取所有表名
2. SELECT name
3. FROM sqlite_master
4. WHERE type='table';
6. -- 获取指定表的字段信息
7. PRAGMA table_info(your_table_name);

复制代码

---

2. DeepSeek 生成查询语句

通过 DeepSeek 模型生成 SQL 语句，可以简化复杂的查询逻辑。以下代码展示如何调用当地摆设的 DeepSeek 模型，根据天然语言描述生成查询语句：

1. import requests
3. # 本地 DeepSeek 服务地址
4. DEESEEK_API_URL = "http://localhost:11434/api/generate"
6. def generate_sql_query(prompt):
7.     """
8.     调用 DeepSeek 模型生成 SQL 查询语句
9.     :param prompt: 自然语言描述
10.     :return: DeepSeek 生成的 SQL 查询语句
11.     """
12.     payload = {
13.         "model": "deepseek-r1:1.5b",
14.         "prompt": prompt
15.     }
16.     headers = {"Content-Type": "application/json"}
18.     try:
19.         response = requests.post(DEESEEK_API_URL, json=payload, headers=headers)
20.         response.raise_for_status()
21.         result = response.json()
22.         return result.get("response", "").strip()
23.     except requests.exceptions.RequestException as e:
24.         print(f"调用 DeepSeek API 失败: {e}")
25.         return None
27. # 示例：生成查询所有表名的 SQL
28. prompt = "生成一个查询所有表名的 SQL 语句（PostgreSQL）"
29. sql_query = generate_sql_query(prompt)
30. print("生成的 SQL 查询语句：")
31. print(sql_query)

复制代码

示例输出：

1. SELECT table_name FROM information_schema.tables WHERE table_schema = 'public';

复制代码

---

3. 实行 SQL 查询

以下代码展示如何利用 Python 毗连数据库并实行 DeepSeek 生成的 SQL 查询。
3.1 数据库毗连与查询

以 PostgreSQL 为例，利用 psycopg2 库毗连数据库并实行查询：

1. import psycopg2def execute_query(database_config, query):    """    毗连 PostgreSQL 数据库并实行查询    :param database_config: 数据库配置字典（包罗 host, dbname, user, password）    :param query: SQL 查询语句    :return: 查询结果（列表形式）    """    try:        # 创建数据库毗连        conn = psycopg2.connect(            host=database_config["host"],            dbname=database_config["dbname"],            user=database_config["user"],            password=database_config["password"]        )        cursor = conn.cursor()        # 实行查询        cursor.execute(query)        results = cursor.fetchall()        # 关闭毗连        cursor.close()        conn.close()        return results    except Exception as e:        print(f"数据库查询失败：{e}")        return None# 示例：查询所有表名database_config = {    "host": "localhost",    "dbname": "test_db",    "user": "postgres",    "password": "password"}query = "SELECT table_name FROM information_schema.tables WHERE table_schema = 'public';
2. "tables = execute_query(database_config, query)print("数据库中的表名：")print(tables)

复制代码

---

4. 获取表字段信息并整合输出

利用 DeepSeek 生成的 SQL 查询获取字段信息，并整理输出。

1. def get_table_fields(database_config, table_name):
2.     """
3.     获取指定表的字段信息
4.     :param database_config: 数据库配置字典
5.     :param table_name: 表名
6.     :return: 字段信息（列表形式）
7.     """
8.     query = f"SELECT column_name, data_type FROM information_schema.columns WHERE table_name = '{table_name}';"
9.     fields = execute_query(database_config, query)
10.     return fields
12. # 示例：获取表 users 的字段信息
13. table_name = "users"
14. fields = get_table_fields(database_config, table_name)
15. print(f"表 {table_name} 的字段信息：")
16. for field in fields:
17.     print(f"- 字段名：{field[0]}，数据类型：{field[1]}")

复制代码

---

5. 结合 DeepSeek 生成天然语言描述

最后，将表结构信息转换为天然语言描述，便于快速明白。

1. def describe_table_in_natural_language(table_name, fields):
2.     """
3.     将表结构信息转换为自然语言描述
4.     :param table_name: 表名
5.     :param fields: 字段信息（列表形式）
6.     :return: 自然语言描述
7.     """
8.     description = f"表 {table_name} 有 {len(fields)} 个字段：\n"
9.     for field in fields:
10.         description += f"- {field[0]}（{field[1]}）\n"
11.     return description
13. # 示例：生成自然语言描述
14. description = describe_table_in_natural_language(table_name, fields)
15. print("自然语言描述：")
16. print(description)

复制代码

示例输出：

1. 表 users 有 3 个字段：
2. - id（integer）
3. - name（text）
4. - email（text）

复制代码

---

完整流程示例

• 输入天然语言描述，例如 “获取数据库中所有表名”。
  
• 调用 DeepSeek 生成 SQL 查询语句。
  
• 实行生成的 SQL 查询，获取表名。
  
• 对每个表名，调用 DeepSeek 生成字段查询语句并获取字段信息。
  
• 将表结构信息整理为天然语言描述或 JSON 输出。
  

---

扩展性

• 支持多种数据库：通过调整 SQL 查询语句，支持 PostgreSQL、MySQL、SQLite 等数据库。
  
• 结合测试用例生成：根据表结构，自动生成测试用例，如验证字段类型、长度等。
  
• 深度集成工具链：将表结构信息与测试框架（如 pytest）集成，动态生成数据校验脚本。
  

---

总结

通过当地摆设的 DeepSeek-r1:1.5b 模型，结合数据库查询，可以实现以下功能：

• 快速生成 SQL 查询：低落手动编写 SQL 的本钱。
  
• 自动获取表结构信息：高效获取表名和字段信息。
  
• 天然语言描述表结构：便于明白和沟通。
  

这种智能化的表结构探索方式，不但提升了测试和开辟服从，还为动态测试用例生成和数据校验提供了坚实的底子。假如您的测试工作涉及数据库操作，不妨尝试这套方案，感受服从革命的魅力！

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。