1. Установите Python: Убедитесь, что Python установлен на вашем компьютере. Вы можете скачать его с официального сайта Python.

2. Установите необходимые библиотеки: Вам нужно установить библиотеку Spire.XLS и соединитель MySQL. Используйте следующие команды в терминале или командной строке:

pip install spire.xls.free

pip install mysql-connector-python

3. Настройте MySQL: Если вы еще не сделали этого, установите MySQL на вашем компьютере. Вы можете скачать его с официального сайта MySQL. После установки создайте базу данных для работы. Вы можете сделать это с помощью клиента MySQL, такого как MySQL Workbench, или через командную строку:

CREATEDATABASE excel_db;

Теперь, когда ваша среда настроена, мы можем перейти к подключению к базе данных MySQL.

Подключение к базе данных MySQL

Чтобы взаимодействовать с базой данных MySQL, вам необходимо установить соединение. Следующий код показывает, как это сделать:

import mysql.connector

# Установите соединение с базой данных MySQL

connection = mysql.connector.connect(

host="localhost",

user="your_username", # Замените на ваше имя пользователя MySQL

password="your_password", # Замените на ваш пароль MySQL

database="your_database"# Замените на имя вашей базы данных

)

cursor = connection.cursor()

Экспорт данных из базы данных в Excel

Шаг 1. Извлечение данных из базы данных

Чтобы экспортировать данные из MySQL в Excel, вам сначала нужно извлечь их. Вот как получить имена столбцов и данные конкретной таблицы в вашей базе данных:

# Получите имена столбцов

cursor.execute("SHOW COLUMNS FROM table_name")

column_names = [column[0] for column in cursor.fetchall()]

# Получите данные

cursor.execute("SELECT * FROM table_name")

data = cursor.fetchall()

Шаг 2. Запись данных в Excel

Далее вы запишите извлеченные данные в файл Excel с помощью Spire.XLS. Вот как это сделать:

from spire.xls import *

from spire.xls.common import *

# Создайте объект курсора

cursor = connection.cursor()

# Создайте объект Workbook

workbook = Workbook()

# Удалите стандартные таблицы

workbook.Worksheets.Clear()

# Добавьте таблицу и назовите ее

worksheet = workbook.Worksheets.Add("FromDatabase")

# Запишите имена столбцов в таблицу Excel

for col_index, column_name inenumerate(column_names, start=1):

worksheet.SetValue(1, col_index, column_name)

# Запишите данные в таблицу Excel

for row_index, row inenumerate(data, start=2):

for col_index, value inenumerate(row, start=1):

worksheet.SetValue(row_index, col_index, str(value))

# Сохраните рабочую книгу в файл Excel

workbook.SaveToFile("output.xlsx")

Шаг 3. Настройка вывода в Excel

Вы можете дополнительно настроить вывод в Excel, применяя стили, форматирование или добавляя диаграммы, улучшая визуальную привлекательность вашего файла Excel. Например, вы можете сделать заголовок жирным, настроить ширину столбцов и высоту строк:

# Сделайте заголовок жирным

worksheet.Rows[0].Style.Font.IsBold = True

# Установите ширину столбцов и высоту строк

worksheet.AllocatedRange.ColumnWidth = 10

worksheet.AllocatedRange.RowHeight = 15

Полный код для экспорта данных из базы данных в Excel с помощью Python выглядит следующим образом:

from spire.xls import *

from spire.xls.common import *

import mysql.connector

# Установите соединение с базой данных MySQL

connection = mysql.connector.connect(

host="localhost",

user="root",

password="admin",

database="excel_db"

)

# Создайте объект курсора

cursor = connection.cursor()

# Получите имена столбцов

cursor.execute("SHOW COLUMNS FROM office_cost")

column_names = [column[0] for column in cursor.fetchall()]

# Получите данные

cursor.execute("SELECT * FROM office_cost")

data = cursor.fetchall()

# Создайте объект Workbook

workbook = Workbook()

# Удалите стандартные таблицы

workbook.Worksheets.Clear()

# Добавьте таблицу и назовите ее

worksheet = workbook.Worksheets.Add("FromDatabase")

# Запишите имена столбцов в таблицу Excel

for col_index, column_name inenumerate(column_names, start=1):

worksheet.SetValue(1, col_index, column_name)

# Запишите данные в таблицу Excel

for row_index, row inenumerate(data, start=2):

for col_index, value inenumerate(row, start=1):

worksheet.SetValue(row_index, col_index, str(value))

# Установите ширину столбцов и высоту строк

worksheet.AllocatedRange.ColumnWidth = 10

worksheet.SetColumnWidth(2, 15)

worksheet.AllocatedRange.RowHeight = 15

# Установите выравнивание

worksheet.AllocatedRange.HorizontalAlignment = HorizontalAlignType.Left

# Установите стиль шрифта

worksheet.Rows[0].Style.Font.IsBold = True

# Сохраните рабочую книгу в файл Excel

workbook.SaveToFile("output/DatabaseToExcel.xlsx")

# Закройте курсор и соединение с базой данных

cursor.close()

connection.close()

Вывод:

В этой статье мы прошли процесс экспорта данных из базы данных MySQL в файл Excel с помощью Spire.XLS для Python. Мы начали с настройки среды, включая установку Python, необходимых библиотек и MySQL. Затем мы рассмотрели подключение к базе данных, извлечение данных и запись их в рабочую книгу Excel. Наконец, мы обсудили настройку вывода для улучшения читаемости. Следуя этим шагам, вы можете упростить процесс экспорта данных с помощью Python.

— Ну как… Маркетолог по понедельникам выгружает из Яндекс.Директа в csv, девочка из колл-центра – из телефонии, менеджер – из CRM, а Лена всё это сводит.

Лена сидит напротив. Кивает. Мол, да, я тут работаю главным интегратором данных. Человек-ETL.

Оказывается, процесс выглядит так:

1. Каждый месяц создаётся новая вкладка: Октябрь_НОВЫЙ, Октябрь_НОВЫЙ(2), Октябрь_правки_ИРА.

2. Формулы протягивают вручную: «тут просто тяни вниз до конца, а потом ещё чуть-чуть».

3. Если формула слетает (а она слетает), все идут к Лене. Только она знает, какая из трёх цифр «Прибыль» настоящая.

Решил сверить показания. Беру октябрь:

• В листе Свод по каналам – 187 лидов.

• В листе Отчет для директора за тот же период — уже 163.

• В CRM, куда мне дали доступ, – вообще 191.

— И где правда? — спрашиваю.

Повисла пауза. Директор смотрит на Лену. Лена вздыхает и открывает ещё один лист (скрытый!): ПРОВЕРЕНО_ЛЕНА.

— Вот эта, – говорит. – Эти 163 мы руками перепроверяли, там в CRM дубли были, а в своде по каналам тестовые заявки не убрали.

Картина маслом: бизнес с миллионными оборотами держится на одном экселе и честном слове Лены.

Я предложил простой мысленный эксперимент:
— Представьте, Лена завтра ушла в отпуск. В горы. Без связи. Кто сможет объяснить директору и финансам, почему в отчёте 163 лида, а не 187? И почему колонка называется новый_новый_ИТОГ? И самое главное, как на основании цифр принимать решения?

Повисло молчание.

В итоге мы сели и начали разматывать этот клубок. Нашли, где теряются заявки при экспорте, где менеджеры забывают менять статусы, а где данные просто правят руками «потому что так красивее».

Вообще, Excel – нормальный инструмент. Но когда на нём “завязана” вся аналитика – это уже лотерея “сработает-не сработает”.

Что сделали:

1. Настроили прямую выгрузку из кабинетов, CRM и телефонии. Без ручного копипаста и csv-файлов.

2. Свели всё в единое хранилище (базу данных).

3. Разделили доступы: маркетингу – свои дашборды, продажам – свои, директору – только ключевые цифры.

4. Excel оставили, куда же без него, но для локальных задач.

Через пару недель директор пишет:

«Слушай, впервые вижу, что цифры в отчёте маркетинга, в CRM и в финансах совпадают. И Лену дёргать не надо».

Лена, кстати, никуда не делась. Просто перестала работать «костылём» для системы и занялась нормальной аналитикой, а не копированием ячеек.

Проблема не в том, что вы ведете аналитику в Excel. Проблема, когда вся логика вашего бизнеса, все связи и формулы живут в одном файле и в голове одного сотрудника.

Сейчас из каждого утюга слышу, что работу найти сложно, что на поиск работы надо закладывать 6 месяцев и т.д. и т.п. Ну ОК, подумала я, и вот в октябре начала искать, отрыла резюме на hh.ru для всех желающих, стала повторять теорию, нарешивать задачки и т.д.

Просматриваю вакансии, отбираю в избранное, потом анализирую, что и как там может быть. И наблюдаю за своим резюме. В итоге:
- просмотров резюме - кот наплакал,
- на отклики, релевантные моему опыту - отказы
- предложения только с релокацией в другую страну

Смотрю я статистику своего резюме: последний раз искала работу через HH в 2021 году, просмотров резюме по 10 в день. А сейчас дай бог 3 в неделю.

Резюме у меня одно, я его обновляю и дополняю по мере изменения моего опыта.

Читаю информацию про текущее положение на рынке, везде слышу, что рынок работодателя, что вакансий мало, резюме много. А дальше, очень часто натыкаюсь на то, что все разом говорят - надо делать резюме под конкретную вакансию

Причиной всего этого - автоматизация процессов. Первый скрининг резюме проводит не HR, а AI-агент, настроенный под конкретные триггерные слова.

Раньше мы писали резюме для людей.
Теперь - сначала для алгоритмов

Эпоха универсальных резюме закончилась.
Не потому, что специалисты стали хуже.
А потому что требования стали более структурированными, а инструменты поиска - более автоматизированными.

И теперь у меня вместо одного резюме - 4 резюме, с нотками особенностей под конкретные направления.

Опыт один и тот же.
Но фокус - разный.
И именно фокус видят алгоритмы.

И вот в этой статистике, которую вещает HH.ru - ссылка на презентацию здесь
Говорится о динамики среднего числа вакансий и резюме

Сопоставление вакансий идет к количеству резюме - не к количеству кандидатов.

Если даже возьмем меня, то у меня 4 резюме (планируется еще одно), т.е. количество резюме (в моем случае надо разделить на 4). А если это применить ко всем резюме, то может быть и картина то изменится. И не будем мы использовать слово рынок работодателя - а может быть другой рынок. Например рынок AI-ассистентов

Со стороны соискателей, тоже идет автоматизация. Соискатели в ручную откликаются на 100 вакансий из идеи - а что-то да и сработает. Либо также настраивают автоотклик, автообновление. Все это приводит к тому, что на одну вакансию HR-ы получают 400-3000 откликов, что руками нереально разобрать.

Поэтому компании:
- ставят автоскоринг
- ранжируют по ключевым словам
- убирают резюме, которые хоть чуть-чуть не совпадают
- сортируют по «свежести обновления»

И это не плохо и не хорошо — это новая норма.
Но к ней нужно адаптироваться.

Искать работу в конце 2025 года — это уже не про то, чтобы быть «идеальным кандидатом».
Это про то, чтобы быть заметным в мире, где первые фильтры проходят не люди, а алгоритмы.

Ну а я в своем канале про SQL буду продолжать делиться полезной информацией, интересными задачками и продолжать вдохновлять людей для изучения аналитики.
Если тебе интересно, подписывайся На связи: SQL

Этот канал я веду с нуля.