直接查INFORMATION_SCHEMA是最稳定可控的方式，比解析SHOW CREATE TABLE更可靠；需显式指定charset='utf8mb4'防中文乱码，关闭autocommit避免隐式事务干扰，用参数化查询防SQL注入，并注意COLUMN_DEFAULT中NULL与'NULL'的语义区别。
如何用 mysql-connector-python 获取表结构元数据
直接连库查 INFORMATION_SCHEMA 是最稳定的方式，比解析 SHOW CREATE TABLE 输出更可控。注意必须显式指定 charset='utf8mb4'，否则中文注释可能乱码；同时建议关闭 autocommit=True，避免因查询触发隐式事务影响其他操作。
- 关键 SQL 示例：
SELECT COLUMN_NAME, DATA_TYPE, IS_NULLABLE, COLUMN_DEFAULT, COLUMN_COMMENT FROM INFORMATION_SCHEMA.COLUMNS WHERE TABLE_SCHEMA = %s AND TABLE_NAME = %s ORDER BY ORDINAL_POSITION - 别漏掉
TABLE_COMMENT字段——它在TABLES表里，和列信息要分开查 - 如果库名含下划线或特殊字符，务必用参数化查询，不要拼接字符串，否则会触发 SQL 注入
为什么不能直接用 diff 比对两个 CREATE TABLE 语句
SHOW CREATE TABLE 返回的 SQL 在不同 MySQL 版本、不同客户端（如 PyMySQL vs mysqlclient）、甚至同一连接的不同会话中，字段顺序、空格、引号风格都可能不一致。靠字符串 diff 容易把“只是格式差异”误判为“结构变更”。
- 正确做法：把结构拆解成字段级字典，按
COLUMN_NAME做 key，逐字段比对DATA_TYPE、IS_NULLABLE、COLUMN_DEFAULT、COLUMN_COMMENT - 特别注意
COLUMN_DEFAULT：MySQL 返回NULL表示无默认值，但 Python 中是None；而字符串'NULL'（带引号）才是显式设为 NULL 的默认值，二者语义完全不同 - 主键、索引、外键需单独查
KEY_COLUMN_USAGE和STATISTICS表，它们不包含在列元数据里
如何让审计结果可读又可自动化消费
输出格式选 JSON 而不是纯文本——既方便人眼快速定位差异，也利于后续接入 CI/CD 或告警系统。字段级差异用布尔标记，比如 "type_mismatch": true，而不是笼统写“类型不一致”。
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
- 每个字段对比结果至少包含：
"column_name"、"old_type"、"new_type"、"default_changed"、"comment_changed" - 新增字段标
"status": "added"，删除字段标"status": "dropped"，修改字段标"status": "modified" - 别忘了加时间戳和数据库连接信息（host/port/dbname），否则回溯时不知道比对的是哪两个环境
哪些场景下脚本会静默失败
权限不足是最常见陷阱：只给 SELECT 权限不够，INFORMATION_SCHEMA 需要额外的 SELECT 权限，且某些托管 MySQL（如阿里云 RDS）默认禁用该库访问。另一个坑是字符集不匹配导致 COLUMN_COMMENT 取出来是乱码字节，JSON 序列化时报 UnicodeEncodeError。
- 上线前务必用最小权限账号测试：
GRANT SELECT ON INFORMATION_SCHEMA.* TO 'auditor'@'%' - 连接时强制指定
collation='utf8mb4_unicode_ci'，比只设 charset 更稳妥 - 对
COLUMN_COMMENT做value.encode('utf8').decode('utf8', errors='ignore')防止 decode 失败中断流程
实际跑起来之后，你会发现最耗时的不是比对逻辑，而是跨网络连两次库取元数据——如果审计频率高，得考虑加个本地缓存层，或者把元数据导出成 JSON 文件再离线比对。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
