mdbq 1.5.7__tar.gz → 1.5.8__tar.gz

{mdbq-1.5.7 → mdbq-1.5.8}/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.1
 Name: mdbq
-Version: 1.5.7
+Version: 1.5.8
 Home-page: https://pypi.org/project/mdbsql
 Author: xigua, 
 Author-email: 2587125111@qq.com

{mdbq-1.5.7 → mdbq-1.5.8}/mdbq/aggregation/query_data.py

@@ -138,6 +138,57 @@ class MysqlDatasQuery:
         )
         return df
 
+    def tg_rqbb(self):
+        start_date, end_date = self.months_data(num=self.months)
+        projection = {
+            '日期': 1,
+            '场景名字': 1,
+            '主体id': 1,
+            '花费': 1,
+            '展现量': 1,
+            '点击量': 1,
+            '总购物车数': 1,
+            '总成交笔数': 1,
+            '总成交金额': 1,
+            '直接成交笔数': 1,
+            '直接成交金额': 1,
+            '人群名字': 1,
+        }
+        df = self.download.data_to_df(
+            db_name='推广数据2',
+            table_name='人群报表',
+            start_date=start_date,
+            end_date=end_date,
+            projection=projection,
+        )
+        return df
+
+    def tg_gjc(self):
+        start_date, end_date = self.months_data(num=self.months)
+        projection = {
+            '日期': 1,
+            '场景名字': 1,
+            '宝贝id': 1,
+            '词类型': 1,
+            '词名字/词包名字': 1,
+            '花费': 1,
+            '展现量': 1,
+            '点击量': 1,
+            '总购物车数': 1,
+            '总成交笔数': 1,
+            '总成交金额': 1,
+            '直接成交笔数': 1,
+            '直接成交金额': 1,
+        }
+        df = self.download.data_to_df(
+            db_name='推广数据2',
+            table_name='关键词报表',
+            start_date=start_date,
+            end_date=end_date,
+            projection=projection,
+        )
+        return df
+
     def idbm(self):
         """ 用生意经日数据制作商品 id 和编码对照表 """
         data_values = self.download.columns_to_list(
@@ -213,6 +264,55 @@ class MysqlDatasQuery:
         df = pd.DataFrame(data=data_values)
         return df
 
+    def jdjzt(self):
+        start_date, end_date = self.months_data(num=self.months)
+        projection = {
+            '日期': 1,
+            '产品线': 1,
+            '触发sku id': 1,
+            '跟单sku id': 1,
+            '花费': 1,
+            '展现数': 1,
+            '点击数': 1,
+            '直接订单行': 1,
+            '直接订单金额': 1,
+            '总订单行': 1,
+            '总订单金额': 1,
+            '直接加购数': 1,
+            '总加购数': 1,
+            'spu id': 1,
+        }
+        df = self.download.data_to_df(
+            db_name='京东数据2',
+            table_name='推广数据_京准通',
+            start_date=start_date,
+            end_date=end_date,
+            projection=projection,
+        )
+        return df
+
+    def sku_sales(self):
+        start_date, end_date = self.months_data(num=self.months)
+        projection = {
+            '日期': 1,
+            '商品id': 1,
+            '货号': 1,
+            '成交单量': 1,
+            '成交金额': 1,
+            '访客数': 1,
+            '成交客户数': 1,
+            '加购商品件数': 1,
+            '加购人数': 1,
+        }
+        df = self.download.data_to_df(
+            db_name='京东数据2',
+            table_name='sku_商品明细',
+            start_date=start_date,
+            end_date=end_date,
+            projection=projection,
+        )
+        return df
+
     @staticmethod
     def months_data(num=0, end_date=None):
         """ 读取近 num 个月的数据, 0 表示读取当月的数据 """
@@ -236,6 +336,7 @@ class GroupBy:
         else:
             self.output = os.path.join('数据中心/数据库导出')
         self.data_tgyj = {}  # 推广综合聚合数据表
+        self.data_jdtg = {}  # 京东推广数据，聚合数据
 
     @staticmethod
     def try_except(func):  # 在类内部定义一个异常处理方法
@@ -319,6 +420,88 @@ class GroupBy:
                 }
             )
             return df
+        elif '人群报表' in table_name:
+            df.rename(columns={
+                '场景名字': '营销场景',
+                '主体id': '商品id',
+                '总购物车数': '加购量',
+                '总成交笔数': '成交笔数',
+                '总成交金额': '成交金额'
+            }, inplace=True)
+            df = df.astype({
+                '商品id': str,
+                '花费': float,
+                '展现量': int,
+                '点击量': int,
+                '加购量': int,
+                '成交笔数': int,
+                '成交金额': float,
+                '直接成交笔数': int,
+                '直接成交金额': float,
+            }, errors='raise')
+            df.fillna(0, inplace=True)
+            if is_maximize:
+                df = df.groupby(['日期', '营销场景', '商品id', '花费', '展现量', '点击量', '人群名字'], as_index=False).agg(
+                    **{'加购量': ('加购量', np.max),
+                       '成交笔数': ('成交笔数', np.max),
+                       '成交金额': ('成交金额', np.max),
+                       '直接成交笔数': ('直接成交笔数', np.max),
+                       '直接成交金额': ('直接成交金额', np.max)
+                       }
+                )
+            else:
+                df = df.groupby(['日期', '营销场景', '商品id', '花费', '展现量', '点击量', '人群名字'], as_index=False).agg(
+                    **{
+                        '加购量': ('加购量', np.min),
+                        '成交笔数': ('成交笔数', np.min),
+                        '成交金额': ('成交金额', np.min),
+                        '直接成交笔数': ('直接成交笔数', np.max),
+                        '直接成交金额': ('直接成交金额', np.max)
+                       }
+                )
+            df.insert(loc=1, column='推广渠道', value='万相台无界版')  # df中插入新列
+            return df
+        elif '关键词报表' in table_name:
+            df.rename(columns={
+                '场景名字': '营销场景',
+                '宝贝id': '商品id',
+                '总购物车数': '加购量',
+                '总成交笔数': '成交笔数',
+                '总成交金额': '成交金额'
+            }, inplace=True)
+            df = df.astype({
+                '商品id': str,
+                '花费': float,
+                '展现量': int,
+                '点击量': int,
+                '加购量': int,
+                '成交笔数': int,
+                '成交金额': float,
+                '直接成交笔数': int,
+                '直接成交金额': float,
+            }, errors='raise')
+            df.fillna(0, inplace=True)
+            if is_maximize:
+                df = df.groupby(['日期', '营销场景', '商品id', '词类型', '词名字/词包名字', '花费', '展现量', '点击量'], as_index=False).agg(
+                    **{'加购量': ('加购量', np.max),
+                       '成交笔数': ('成交笔数', np.max),
+                       '成交金额': ('成交金额', np.max),
+                       '直接成交笔数': ('直接成交笔数', np.max),
+                       '直接成交金额': ('直接成交金额', np.max)
+                       }
+                )
+            else:
+                df = df.groupby(['日期', '营销场景', '商品id', '词类型', '词名字/词包名字', '花费', '展现量', '点击量'], as_index=False).agg(
+                    **{
+                        '加购量': ('加购量', np.min),
+                        '成交笔数': ('成交笔数', np.min),
+                        '成交金额': ('成交金额', np.min),
+                        '直接成交笔数': ('直接成交笔数', np.max),
+                        '直接成交金额': ('直接成交金额', np.max)
+                       }
+                )
+            df.insert(loc=1, column='推广渠道', value='万相台无界版')  # df中插入新列
+            return df
         elif '宝贝指标' in table_name:
             """ 聚合时不可以加商家编码，编码有些是空白，有些是 0 """
             df['宝贝id'] = df['宝贝id'].astype(str)
@@ -456,6 +639,38 @@ class GroupBy:
                 }
             )
             return df
+        elif '京准通' in table_name:
+            df = df.groupby(['日期', '产品线', '触发sku id', '跟单sku id', 'spu id', '花费', '展现数', '点击数'], as_index=False).agg(
+                **{'直接订单行': ('直接订单行', np.max),
+                   '直接订单金额': ('直接订单金额', np.max),
+                   '总订单行': ('总订单行', np.max),
+                   '总订单金额': ('总订单金额', np.max),
+                   '直接加购数': ('直接加购数', np.max),
+                   '总加购数': ('总加购数', np.max),
+                   }
+            )
+            df = df[df['花费'] > 0]
+            self.data_jdtg.update(
+                {
+                    table_name: df[['日期', '产品线', '触发sku id', '跟单sku id', '花费']],
+                }
+            )
+            return df
+        elif '京东_sku_商品明细' in table_name:
+            df = df[df['商品id'] != '合计']
+            df = df.groupby(['日期', '商品id', '货号', '访客数', '成交客户数', '加购商品件数', '加购人数'],
+                            as_index=False).agg(
+                **{
+                    '成交单量': ('成交单量', np.max),
+                    '成交金额': ('成交金额', np.max),
+                   }
+            )
+            self.data_jdtg.update(
+                {
+                    table_name: df,
+                }
+            )
+            return df
         else:
             print(f'<{table_name}>: Groupby 类尚未配置，数据为空')
             return pd.DataFrame({})
@@ -487,13 +702,47 @@ class GroupBy:
             df = pd.merge(df, syj, how='left', left_on=['日期', '商品id'], right_on=['日期', '宝贝id'])
             df.drop(labels='宝贝id', axis=1, inplace=True)
         df.drop_duplicates(subset=['日期', '商品id', '花费', '销售额'], keep='last', inplace=True, ignore_index=True)
+        df.fillna(0, inplace=True)
         df['成本价'] = df['成本价'].astype('float64')
+        df['销售额'] = df['销售额'].astype('float64')
+        df['销售量'] = df['销售量'].astype('int64')
         df['商品成本'] = df.apply(lambda x: (x['成本价'] + x['销售额']/x['销售量'] * 0.11 + 6) * x['销售量'] if x['销售量'] > 0 else 0, axis=1)
         df['商品毛利'] = df.apply(lambda x: x['销售额'] - x['商品成本'], axis=1)
         df['毛利率'] = df.apply(lambda x: round((x['销售额'] - x['商品成本']) / x['销售额'], 4) if x['销售额'] > 0 else 0, axis=1)
         df['盈亏'] = df.apply(lambda x: x['商品毛利'] - x['花费'], axis=1)
         return df
 
+    def performance_jd(self, jd_tg=True):
+        jdtg, sku_sales = self.data_jdtg['京东_京准通'], self.data_jdtg['京东_sku_商品明细']
+        jdtg = jdtg.groupby(['日期', '跟单sku id'],
+                        as_index=False).agg(
+            **{
+                '花费': ('花费', np.sum)
+            }
+        )
+        cost = self.data_tgyj['商品成本']
+        df = pd.merge(sku_sales, cost, how='left', left_on='货号', right_on='款号')
+        df = df[['日期', '商品id', '货号', '成交单量', '成交金额', '成本价']]
+        if jd_tg is True:
+            # 完整的数据表，包含全店所有推广、销售数据
+            df = pd.merge(df, jdtg, how='left', left_on=['日期', '商品id'], right_on=['日期', '跟单sku id'])  # df 合并推广表
+        else:
+            df = pd.merge(jdtg, df, how='left', left_on=['日期', '跟单sku id'], right_on=['日期', '商品id'])  # 推广表合并 df
+        df = df[['日期', '跟单sku id', '花费', '货号', '成交单量', '成交金额', '成本价']]
+        df.fillna(0, inplace=True)
+        df['成本价'] = df['成本价'].astype('float64')
+        df['成交金额'] = df['成交金额'].astype('float64')
+        df['花费'] = df['花费'].astype('float64')
+        df['成交单量'] = df['成交单量'].astype('int64')
+        df['商品成本'] = df.apply(
+            lambda x: (x['成本价'] + x['成交金额'] / x['成交单量'] * 0.11 + 6) * x['成交单量'] if x['成交单量'] > 0 else 0,
+            axis=1)
+        df['商品毛利'] = df.apply(lambda x: x['成交金额'] - x['商品成本'], axis=1)
+        df['毛利率'] = df.apply(
+            lambda x: round((x['成交金额'] - x['商品成本']) / x['成交金额'], 4) if x['成交金额'] > 0 else 0, axis=1)
+        df['盈亏'] = df.apply(lambda x: x['商品毛利'] - x['花费'], axis=1)
+        return df
+
     def as_csv(self, df, filename, path=None, encoding='utf-8_sig',
                index=False, header=True, st_ascend=None, ascend=None, freq=None):
         """
@@ -592,20 +841,21 @@ def data_aggregation_one(service_databases=[{}], months=1):
 
             # 从数据库中获取数据, 返回包含 df 数据的字典
             # 单独处理某一个聚合数据库，在这里修改添加 data_dict 的值
+            ######################################################
+            #################    修改这里    ##########################
+            ######################################################
             data_dict = [
                 {
                     '数据库名': '聚合数据',
-                    '集合名': '天猫_店铺来源_日数据_旧版',
-                    '唯一主键': ['日期', '一级来源', '二级来源', '三级来源'],
-                    '数据主体': sdq.dplyd_old(),
-                },
-                {
-                    '数据库名': '聚合数据',
-                    '集合名': '天猫_店铺来源_日数据',
-                    '唯一主键': ['日期', '一级来源', '二级来源', '三级来源'],
-                    '数据主体': sdq.dplyd(),
+                    '集合名': '京东_sku_商品明细',
+                    '唯一主键': ['日期', '商品id', '成交单量'],
+                    '数据主体': sdq.sku_sales(),
                 },
             ]
+            ######################################################
+            #################    修改这里    ##########################
+            ######################################################
+
             for items in data_dict:  # 遍历返回结果
                 db_name, table_name, unique_key_list, df = items['数据库名'], items['集合名'], items['唯一主键'], items['数据主体']
                 df = g.groupby(df=df, table_name=table_name, is_maximize=True)  # 2. 聚合数据
@@ -680,6 +930,30 @@ def data_aggregation(service_databases=[{}], months=1):
                     '唯一主键': ['款号'],
                     '数据主体': sdq.sp_cost(),
                 },
+                {
+                    '数据库名': '聚合数据',
+                    '集合名': '京东_京准通',
+                    '唯一主键': ['日期', '产品线', '触发sku id', '跟单sku id', '花费', ],
+                    '数据主体': sdq.jdjzt(),
+                },
+                {
+                    '数据库名': '聚合数据',
+                    '集合名': '京东_sku_商品明细',
+                    '唯一主键': ['日期', '商品id', '成交单量'],
+                    '数据主体': sdq.sku_sales(),
+                },
+                {
+                    '数据库名': '聚合数据',
+                    '集合名': '天猫_人群报表',
+                    '唯一主键': ['日期', '推广渠道', '营销场景', '商品id', '花费', '人群名字'],
+                    '数据主体': sdq.tg_rqbb(),
+                },
+                {
+                    '数据库名': '聚合数据',
+                    '集合名': '天猫_关键词报表',
+                    '唯一主键': ['日期', '推广渠道', '营销场景', '商品id', '花费', '词类型', '词名字/词包名字',],
+                    '数据主体': sdq.tg_gjc(),
+                },
             ]
             for items in data_dict:  # 遍历返回结果
                 db_name, table_name, unique_key_list, df = items['数据库名'], items['集合名'], items['唯一主键'], items['数据主体']
@@ -711,14 +985,22 @@ def data_aggregation(service_databases=[{}], months=1):
                 icm_update=['日期', '商品id'],  # 设置唯一主键
                 service_database=service_database,
             )
+            res = g.performance_jd(jd_tg=False)  # 盈亏表，依赖其他表，单独做
+            m.df_to_mysql(
+                df=res,
+                db_name='聚合数据',
+                table_name='_京东_推广商品销售',
+                drop_duplicates=False,
+                icm_update=['日期', '跟单sku id', '货号', '花费'],  # 设置唯一主键
+                service_database=service_database,
+            )
 
     # 这里要注释掉，不然 copysh.py 可能有问题，这里主要修改配置文件，后续触发 home_lx 的 optimize_datas.py(有s)程序进行全局清理
     # optimize_data.op_data(service_databases=service_databases, days=3650)  # 立即启动对聚合数据的清理工作
 
 
 if __name__ == '__main__':
-    # data_aggregation(service_databases=[{'home_lx': 'mysql'}], months=1)
-    data_aggregation_one(service_databases=[{'company': 'mysql'}], months=1)
+    data_aggregation(service_databases=[{'company': 'mysql'}], months=1)  # 正常的聚合所有数据
+    # data_aggregation_one(service_databases=[{'company': 'mysql'}], months=1)  # 单独聚合某一个数据库，具体库进函数编辑
     # optimize_data.op_data(service_databases=[{'company': 'mysql'}], days=3650)  # 立即启动对聚合数据的清理工作
 
-

{mdbq-1.5.7 → mdbq-1.5.8}/mdbq/mysql/s_query.py

@@ -46,41 +46,44 @@ class QueryDatas:
 
         self.config.update({'database': db_name})
         connection = pymysql.connect(**self.config)  # 重新连接数据库
-        try:
-            with connection.cursor() as cursor:
-                # 3. 获取数据表的所有列信息
-                sql = 'SELECT COLUMN_NAME FROM information_schema.columns WHERE table_schema = %s AND table_name = %s'
-                cursor.execute(sql, (db_name, {table_name}))
-                columns = cursor.fetchall()
-                cols_exist = [col['COLUMN_NAME'] for col in columns]  # 数据表的所有列, 返回 list
-
-                # 4. 构建 SQL 查询语句
-                if projection:  # 获取指定列
-                    columns_in = []
-                    for key, value in projection.items():
-                        if value == 1 and key in cols_exist:
-                            columns_in.append(key)  # 提取值为 1 的键并清理不在数据表的键
-                    columns_in = ', '.join(columns_in)
-                    if '日期' in cols_exist:  # 不论是否指定, 只要数据表有日期，则执行
-                        sql = (f"SELECT {columns_in} FROM {db_name}.{table_name} "
-                               f"WHERE {'日期'} BETWEEN '{start_date}' AND '{end_date}'")
-                    else:  # 数据表没有日期列时，返回指定列的所有数据
-                        sql = f"SELECT {columns_in} FROM {db_name}.{table_name}"
-                else:  # 没有指定获取列时
-                    if '日期' in cols_exist:  # 但数据表有日期，仍然执行
-                        columns_in = ', '.join(cols_exist)
-                        sql = (f"SELECT {columns_in} FROM {db_name}.{table_name} "
-                               f"WHERE {'日期'} BETWEEN '{start_date}' AND '{end_date}'")
-                    else:  # 没有指定获取列，且数据表也没有日期列，则返回全部列的全部数据
-                        sql = f"SELECT * FROM {db_name}.{table_name}"
-                cursor.execute(sql)
-                rows = cursor.fetchall()  # 获取查询结果
-                columns = [desc[0] for desc in cursor.description]
-                df = pd.DataFrame(rows, columns=columns)  # 转为 df
-        except Exception as e:
-            print(f'{e}')
+        # try:
+        with connection.cursor() as cursor:
+            # 3. 获取数据表的所有列信息
+            sql = 'SELECT `COLUMN_NAME` FROM information_schema.columns WHERE table_schema = %s AND table_name = %s'
+            cursor.execute(sql, (db_name, {table_name}))
+            columns = cursor.fetchall()
+            cols_exist = [col['COLUMN_NAME'] for col in columns]  # 数据表的所有列, 返回 list
+
+            # 4. 构建 SQL 查询语句
+            if projection:  # 获取指定列
+                columns_in = []
+                for key, value in projection.items():
+                    if value == 1 and key in cols_exist:
+                        columns_in.append(key)  # 提取值为 1 的键并清理不在数据表的键
+                columns_in = [f"`{item}`" for item in columns_in]
+                columns_in = ', '.join(columns_in)
+                if '日期' in cols_exist:  # 不论是否指定, 只要数据表有日期，则执行
+                    sql = (f"SELECT {columns_in} FROM `{db_name}`.`{table_name}` "
+                           f"WHERE {'日期'} BETWEEN '{start_date}' AND '{end_date}'")
+                else:  # 数据表没有日期列时，返回指定列的所有数据
+                    sql = f"SELECT {columns_in} FROM `{db_name}`.`{table_name}`"
+            else:  # 没有指定获取列时
+                if '日期' in cols_exist:  # 但数据表有日期，仍然执行
+                    cols_exist = [f"`{item}`" for item in cols_exist]
+                    columns_in = ', '.join(cols_exist)
+                    sql = (f"SELECT {columns_in} FROM `{db_name}`.`{table_name}` "
+                           f"WHERE {'日期'} BETWEEN '{start_date}' AND '{end_date}'")
+                else:  # 没有指定获取列，且数据表也没有日期列，则返回全部列的全部数据
+                    all_col = ', '.join([f"`{item}`" for item in cols_exist if item != 'id'])
+                    sql = f"SELECT %s FROM `%s`.`%s`" % (all_col, db_name, table_name)
+            cursor.execute(sql)
+            rows = cursor.fetchall()  # 获取查询结果
+            columns = [desc[0] for desc in cursor.description]
+            df = pd.DataFrame(rows, columns=columns)  # 转为 df
+        # except Exception as e:
+        #     print(f'{e}')
             return df
-        finally:
+        # finally:
             connection.close()
 
         if len(df) == 0:

{mdbq-1.5.7 → mdbq-1.5.8}/mdbq.egg-info/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.1
 Name: mdbq
-Version: 1.5.7
+Version: 1.5.8
 Home-page: https://pypi.org/project/mdbsql
 Author: xigua, 
 Author-email: 2587125111@qq.com

{mdbq-1.5.7 → mdbq-1.5.8}/mdbq.egg-info/SOURCES.txt

@@ -20,7 +20,6 @@ mdbq/company/__init__.py
 mdbq/company/copysh.py
 mdbq/config/__init__.py
 mdbq/config/get_myconf.py
-mdbq/config/get_myconf_冲突文件_Administrator_20240901101505.py
 mdbq/config/products.py
 mdbq/config/set_support.py
 mdbq/config/update_conf.py

{mdbq-1.5.7 → mdbq-1.5.8}/setup.py

@@ -3,7 +3,7 @@
 from setuptools import setup, find_packages
 
 setup(name='mdbq',
-      version='1.5.7',
+      version='1.5.8',
       author='xigua, ',
       author_email="2587125111@qq.com",
       url='https://pypi.org/project/mdbsql',

mdbq-1.5.7/mdbq/config/get_myconf_/345/206/262/347/252/201/346/226/207/344/273/266_Administrator_20240901101505.py

@@ -1,131 +0,0 @@
-# -*- coding: UTF-8 –*-
-import platform
-import getpass
-import socket
-import configparser
-import os
-import sys
-from posixpath import dirname
-from urllib import parse
-from mdbq.config import set_support
-
-
-class MyConf:
-    """
-    读取配置文件信息
-    """
-    def __init__(self, path='support'):
-        self.top_path = os.path.realpath(os.path.dirname(sys.argv[0]))  # 程序运行目录, 打包时使用
-        self.conf_file = os.path.join(self.top_path, path, '.my_conf')
-        self.config = None
-
-    def get_myconf(self, options: list):
-        if not os.path.exists(self.conf_file):
-            print(f'尚未配置: 缺少 .my_conf 文件')
-            return
-        if not options:
-            print(f'传入的参数为空: {options}')
-            return
-        self.config = configparser.ConfigParser()
-        self.config.read(self.conf_file, 'UTF-8')
-        results = []
-        for option in options:
-            try:
-                results.append(self.config.get('database', option))
-            except configparser.NoOptionError:
-                results.append('')
-        return results
-
-
-def select_config_values(target_service, database, path=None):
-    """
-    target_service: 指向: home_lx, aliyun
-    database: 指向: mongodb, mysql
-    """
-    if not path:
-        path = set_support.SetSupport(dirname='support').dirname
-
-    m = MyConf(path=path)
-    options = []
-    if target_service == 'home_lx':  # 1. 家里笔记本
-        if database == 'mongodb':
-            if socket.gethostname() == 'xigua_lx':
-                # 本机自身运行使用 127.0.0.1
-                options = ['username_db_lx_nw', 'password_db_lx_nw', 'host_bd',  'port_db_lx_nw',]
-            elif socket.gethostname() == 'xigua1' or socket.gethostname() == 'MacBook-Pro':
-                # 内网地址：正在运行的是 家里笔记本或者台式机，或者 macbook pro
-                options = ['username_db_lx_nw', 'password_db_lx_nw', 'host_db_lx_nw',  'port_db_lx_nw',]
-            else:
-                options = ['username_db_lx', 'password_db_lx', 'host_db_lx', 'port_db_lx']
-
-        elif database == 'mysql':
-            if socket.gethostname() == 'xigua_lx':
-                # 本机自身运行使用 127.0.0.1
-                options = ['username_mysql_lx_nw', 'password_mysql_lx_nw', 'host_bd',  'port_mysql_lx_nw',]
-            elif socket.gethostname() == 'xigua1' or socket.gethostname() == 'MacBook-Pro':
-                # 内网地址：正在运行的是 家里笔记本或者台式机，或者 macb    ook pro
-                options = ['username_mysql_lx_nw', 'password_mysql_lx_nw', 'host_mysql_lx_nw',  'port_mysql_lx_nw',]
-            else:
-                options = ['username_mysql_lx', 'password_mysql_lx', 'host_mysql_lx', 'port_mysql_lx']
-
-    elif target_service == 'home_xigua1':
-        if database == 'mongodb':
-            print('未配置')
-        elif database == 'mysql':
-            if socket.gethostname() == 'xigua_lx':
-                # 本机自身运行使用 127.0.0.1
-                options = ['username_mysql_xigua1_nw', 'password_mysql_xigua1_nw', 'host_mysql_xigua1_nw',  'port_mysql_xigua1_nw',]
-            elif socket.gethostname() == 'xigua1' or socket.gethostname() == 'macbook pro':
-                # 内网地址：正在运行的是 家里笔记本或者台式机，或者 macb    ook pro
-                options = ['username_mysql_xigua1_nw', 'password_mysql_xigua1_nw', 'host_bd',  'port_mysql_xigua1_nw',]
-            else:
-                print('未配置')
-                options = ['', '', '', '']
-
-    elif target_service == 'aliyun':  # 2. 阿里云服务器
-        if database == 'mongodb':
-            if socket.gethostname() == 'xigua-cloud':
-                # 阿里云自身运行使用 127.0.0.1
-                options = ['username_db_aliyun', 'password_db_aliyun', 'host_bd', 'port_db_aliyun', ]
-            else:
-                options = ['username_db_aliyun', 'password_db_aliyun', 'host_db_aliyun', 'port_db_aliyun', ]
-        elif database == 'mysql':
-            if socket.gethostname() == 'xigua-cloud':
-                # 阿里云自身运行使用 127.0.0.1
-                options = ['username_mysql_aliyun', 'password_mysql_aliyun', 'host_bd', 'port_mysql_aliyun', ]
-            else:
-                options = ['username_mysql_aliyun', 'password_mysql_aliyun', 'host_mysql_aliyun', 'port_mysql_aliyun', ]
-
-    elif target_service == 'company':  # 3. 公司台式机
-        if database == 'mongodb':
-            options = ['username_db_company_nw', 'password_db_company_nw', 'host_db_company_nw', 'port_db_company_nw', ]
-        elif database == 'mysql':
-            options = ['username_mysql_company_nw', 'password_mysql_company_nw', 'host_mysql_company_nw', 'port_mysql_company_nw', ]
-
-    elif target_service == 'nas':  # 4. 群晖
-        if database == 'mysql':
-            options = ['username_mysql_nas_nw', 'password_mysql_nas_nw', 'host_mysql_nas_nw', 'port_mysql_nas_nw', ]
-
-    value = m.get_myconf(options=options)
-    if not value:
-        return '', '', '', 0
-    if database == 'mongodb':  # mongodb 特殊字符要转码, mysql 不需要转
-        username = parse.quote_plus(str(value[0]).strip())  # 对可能存在的特殊字符进行编码
-        password = parse.quote_plus(str(value[1]).strip())  # 如果密码含有 @、/ 字符，一定要进行编码
-    else:
-        username = str(value[0]).strip()
-        password = str(value[1]).strip()
-    host = str(value[2]).strip()
-    port = int(value[3])
-    return username, password, host, port
-
-
-def main():
-    pass
-
-
-if __name__ == '__main__':
-    # main()
-    r, d, s, g = select_config_values(target_service='home_lx', database='mysql')
-    print(r, d, s, g, type(r), type(d), type(s), type(g))
-    print(f'本机: {platform.system()} // {socket.gethostname()}')