DeepSeek 如何获取数据库中的表信息（表名和字段名称）

问题背景

在测试或开发过程中，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。如果能够通过 DeepSeek 与数据库直接交互，自动获取表名和字段信息，将大大提升测试效率。

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，还会展示如何通过自然语言描述，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。

---

解决思路

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，采用以下步骤：

1. 通过自然语言生成元数据查询语句：
   让 DeepSeek 根据输入的自然语言描述生成 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';

2. 执行 SQL 查询：

   • 使用 Python 的数据库库（如 sqlite3、psycopg2、pyodbc 等）连接数据库。
   • 执行 DeepSeek 生成的 SQL 查询，获取表名和字段信息。

3. 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）。

4. 生成自然语言描述：

   • 使用 DeepSeek 模型，将表结构信息以自然语言表达，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系统表中，以下是常用数据库查询表信息的 SQL 语句：

1.1 PostgreSQL

-- 获取所有表名
SELECT table_name 
FROM information_schema.tables 
WHERE table_schema = 'public';

-- 获取指定表的字段信息
SELECT column_name, data_type 
FROM information_schema.columns 
WHERE table_name = 'your_table_name';

1.2 MySQL

-- 获取所有表名
SHOW TABLES;

-- 获取指定表的字段信息
DESCRIBE your_table_name;

1.3 SQLite

-- 获取所有表名
SELECT name 
FROM sqlite_master 
WHERE type='table';

-- 获取指定表的字段信息
PRAGMA table_info(your_table_name);

---

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本地部署的 DeepSeek 模型，根据自然语言描述生成查询语句：

import requests

# 本地 DeepSeek 服务地址
DEESEEK_API_URL = "http://localhost:11434/api/generate"

def generate_sql_query(prompt):
    """
    调用 DeepSeek 模型生成 SQL 查询语句
    :param prompt: 自然语言描述
    :return: DeepSeek 生成的 SQL 查询语句
    """
    payload = {
        "model": "deepseek-r1:1.5b",
        "prompt": prompt
    }
    headers = {"Content-Type": "application/json"}

    try:
        response = requests.post(DEESEEK_API_URL, json=payload, headers=headers)
        response.raise_for_status()
        result = response.json()
        return result.get("response", "").strip()
    except requests.exceptions.RequestException as e:
        print(f"调用 DeepSeek API 失败: {e}")
        return None

# 示例：生成查询所有表名的 SQL
prompt = "生成一个查询所有表名的 SQL 语句（PostgreSQL）"
sql_query = generate_sql_query(prompt)
print("生成的 SQL 查询语句：")
print(sql_query)

示例输出：

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

---

3. 执行 SQL 查询

以下代码展示如何使用 Python 连接数据库并执行 DeepSeek 生成的 SQL 查询。

3.1 数据库连接与查询

以 PostgreSQL 为例，使用 psycopg2 库连接数据库并执行查询：

import psycopg2

def execute_query(database_config, query):
    """
    连接 PostgreSQL 数据库并执行查询
    :param database_config: 数据库配置字典（包含 host, dbname, user, password）
    :param query: SQL 查询语句
    :return: 查询结果（列表形式）
    """
    try:
        # 建立数据库连接
        conn = psycopg2.connect(
            host=database_config["host"],
            dbname=database_config["dbname"],
            user=database_config["user"],
            password=database_config["password"]
        )
        cursor = conn.cursor()

        # 执行查询
        cursor.execute(query)
        results = cursor.fetchall()

        # 关闭连接
        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';"
tables = execute_query(database_config, query)
print("数据库中的表名：")
print(tables)

---

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。

def get_table_fields(database_config, table_name):
    """
    获取指定表的字段信息
    :param database_config: 数据库配置字典
    :param table_name: 表名
    :return: 字段信息（列表形式）
    """
    query = f"SELECT column_name, data_type FROM information_schema.columns WHERE table_name = '{table_name}';"
    fields = execute_query(database_config, query)
    return fields

# 示例：获取表 users 的字段信息
table_name = "users"
fields = get_table_fields(database_config, table_name)
print(f"表 {table_name} 的字段信息：")
for field in fields:
    print(f"- 字段名：{field[0]}，数据类型：{field[1]}")

---

5. 结合 DeepSeek 生成自然语言描述

最后，将表结构信息转换为自然语言描述，便于快速理解。

def describe_table_in_natural_language(table_name, fields):
    """
    将表结构信息转换为自然语言描述
    :param table_name: 表名
    :param fields: 字段信息（列表形式）
    :return: 自然语言描述
    """
    description = f"表 {table_name} 有 {len(fields)} 个字段：\n"
    for field in fields:
        description += f"- {field[0]}（{field[1]}）\n"
    return description

# 示例：生成自然语言描述
description = describe_table_in_natural_language(table_name, fields)
print("自然语言描述：")
print(description)

示例输出：

表 users 有 3 个字段：
- id（integer）
- name（text）
- email（text）

---

完整流程示例

1. 输入自然语言描述，例如 “获取数据库中所有表名”。
2. 调用 DeepSeek 生成 SQL 查询语句。
3. 执行生成的 SQL 查询，获取表名。
4. 对每个表名，调用 DeepSeek 生成字段查询语句并获取字段信息。
5. 将表结构信息整理为自然语言描述或 JSON 输出。

---

扩展性

1. 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。
2. 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。
3. 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

通过本地部署的 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：降低手动编写 SQL 的成本。
• 自动获取表结构信息：高效获取表名和字段信息。
• 自然语言描述表结构：便于理解和沟通。

这种智能化的表结构探索方式，不仅提升了测试和开发效率，还为动态测试用例生成和数据校验提供了坚实的基础。如果您的测试工作涉及数据库操作，不妨尝试这套方案，感受效率革命的魅力！