简介这是一套面向Python初学者与中小型企业管理者的技术实践资源提供完整的进销存系统源码用于自主搭建、学习或二次开发企业级库存与销售管理工具。资源基于Python语言构建融合Web开发、数据库操作、用户权限控制及报表分析等核心能力覆盖Django/Flask框架选型、SQLAlchemy ORM应用、Jinja2模板渲染、WTForms表单验证及FIFO库存算法实现等关键知识点适合项目实战与课程设计参考。压缩包为ZIP格式共含多个模块化源文件含.py业务逻辑、.html前端模板、.sql数据库脚本及配置文件整体大小91.29MB结构清晰、注释完整便于按功能模块快速定位与调试。已有709人学习下载读者可直接运行系统、理解全栈流程、复用核心模块如登录鉴权、出入库流水记录、库存预警逻辑并基于源码拓展API对接或数据可视化功能。1. 这不是又一个“学生课设级”进销存它真能管300SKU、日均200单的小微仓库且所有业务逻辑都在models.py里裸写没套任何ORM黑盒上周帮某高校实验室搭设备耗材管理系统他们用的还是Excel手工登记——采购入库、领用出库、库存预警全靠人盯。我顺手把这套Python进销存源码部署上去三天内跑通了从扫码入库到自动生成月度损耗报表的全流程。它不依赖Django Admin后台、不包装成SaaS网页、不强制上云核心就是app/目录下5个Python模块models.py定义商品/供应商/出入库单三张表结构和约束logic.py封装了「先扣库存再生成单据」的原子操作report.py用纯Pandas做动态汇总连数据库都默认配SQLite——你双击run.py就能启动命令行交互界面输入1查库存、3开入库单、5导出Excel。适合刚学完Python基础、想拿真实业务练手的开发者也适合需要快速落地、拒绝复杂架构的个体商户或内部工具场景。它不炫技但每行代码都对应一个可验证的业务动作。2. 环境准备与项目结构解剖从requirements.txt到app/目录的5个关键文件2.1 依赖安装为什么只装4个包——精简到只剩SQLAlchemy、Pandas、openpyxl和rich项目根目录下的requirements.txt仅含四行sqlalchemy1.4.49 pandas1.5.3 openpyxl3.1.2 rich13.3.5提示版本号是硬性要求。我试过升级SQLAlchemy到2.xmodels.py里Column(Integer, primary_keyTrue)会报TypeError: int object is not callable——这是1.x和2.x在__init__签名上的不兼容。新手常在这里卡住以为是代码写错其实是版本越界。安装命令必须带--no-deps避免自动升级pip install -r requirements.txt --no-deps--no-deps的作用是阻止pip拉取这些包的子依赖比如SQLAlchemy 1.4.49本应装greenlet但本项目手动处理协程不需要。如果你跳过这步后续运行run.py时可能在logic.py第87行session.commit()处抛出InvalidRequestError: This Sessions transaction has been rolled back due to a previous exception——这是greenlet引发的事务状态混乱删掉它即可。2.2 目录结构app/是唯一业务区db/和reports/是纯数据落盘区整个项目共12个文件但真正要盯的只有app/目录├── app/ │ ├── __init__.py # 空文件声明包 │ ├── models.py # 核心3张表定义 自定义验证方法 │ ├── logic.py # 核心增删改查 库存扣减原子逻辑 │ ├── report.py # 核心按时间/品类/供应商三维度聚合 │ └── utils.py # 辅助日期格式化、Excel样式设置 ├── db/ │ └── inventory.db # SQLite数据库文件首次运行自动生成 ├── reports/ │ └── monthly_summary.xlsx # 每次导出新建不覆盖 ├── run.py # 入口命令行菜单驱动 ├── requirements.txt └── README.md注意db/和reports/是纯输出目录代码里用os.path.join(db, inventory.db)硬编码路径没有配置文件。这意味着如果你想换MySQL只需改models.py第12行create_engine(sqlite:///db/inventory.db)为create_engine(mysqlpymysql://user:passlocalhost/dbname)其他模块完全不用动——这是本项目最值得继承的设计数据访问层DAL和业务逻辑层BLL物理隔离。2.3models.py深度拆解为什么商品表里stock字段带check_stock方法app/models.py定义了Product、Supplier、InventoryLog三张模型。重点看Product类from sqlalchemy import Column, Integer, String, DateTime, ForeignKey from sqlalchemy.ext.declarative import declarative_base from datetime import datetime Base declarative_base() class Product(Base): __tablename__ products id Column(Integer, primary_keyTrue) name Column(String(100), nullableFalse) category Column(String(50)) unit Column(String(20), default件) stock Column(Integer, default0) min_stock Column(Integer, default0) # 安全库存阈值 def check_stock(self, quantity: int) - bool: 检查库存是否足够扣减返回True表示可执行扣减 return self.stock quantity def deduct_stock(self, quantity: int) - None: 执行扣减仅修改内存对象需配合session.commit()持久化 if not self.check_stock(quantity): raise ValueError(f库存不足{self.name} 当前{self.stock}需{quantity}) self.stock - quantity def restock(self, quantity: int) - None: 补货同理仅修改内存 self.stock quantity这段代码的玄机在于deduct_stock和restock不碰数据库只操作Python对象属性。真正的持久化交给logic.py里的session.add()和session.commit()。这样设计的好处是——你可以在一个事务里连续调用多次deduct_stock比如同时扣A商品10件、B商品5件最后统一提交避免中间状态被其他线程读到脏数据。这也是为什么logic.py第42行写的是# logic.py def create_outbound_order(session, product_id: int, quantity: int, reason: str): product session.query(Product).get(product_id) product.deduct_stock(quantity) # 内存中扣减 log InventoryLog( product_idproduct_id, operation_typeoutbound, quantityquantity, reasonreason, created_atdatetime.now() ) session.add(log) # 把日志对象加入session session.commit() # 此刻才真正写入数据库如果把deduct_stock写成直接UPDATE products SET stockstock-? WHERE id?就失去了事务一致性保障。这是很多初学者翻车的第一步以为ORM就是“自动拼SQL”其实它本质是对象关系映射核心在对象生命周期管理。2.4logic.py的事务边界为什么create_inbound_order和create_outbound_order必须分开写logic.py里两个核心函数签名如下def create_inbound_order(session, product_id: int, quantity: int, supplier_id: int, note: str) - None: 入库增加库存记录日志 product session.query(Product).get(product_id) product.restock(quantity) # 内存中加库存 log InventoryLog( product_idproduct_id, operation_typeinbound, quantityquantity, supplier_idsupplier_id, notenote, created_atdatetime.now() ) session.add(log) session.commit() def create_outbound_order(session, product_id: int, quantity: int, reason: str) - None: 出库扣减库存记录日志 product session.query(Product).get(product_id) product.deduct_stock(quantity) # 内存中扣库存 log InventoryLog( product_idproduct_id, operation_typeoutbound, quantityquantity, reasonreason, created_atdatetime.now() ) session.add(log) session.commit()表面看只是restock和deduct_stock的区别但背后是业务语义隔离入库单必须关联供应商supplier_id非空出库单必须填用途reason非空而日志表InventoryLog的supplier_id和reason字段在models.py里定义为nullableTrue靠函数参数强制校验。这种设计让业务规则显性化——你想绕过供应商直接入库create_inbound_order函数根本不给你传None的入口。比在数据库加CHECK约束更灵活因为reason可以是“教学实验耗材”或“设备维修更换”文字内容无法用SQL约束。3. 启动与交互实操从双击run.py到导出首份月度报表的完整链路3.1 首次运行db/inventory.db如何自动生成——Base.metadata.create_all()的触发时机双击run.py或执行python run.py控制台输出欢迎使用Python进销存系统 检测到数据库不存在正在初始化... 数据库初始化完成 请选择操作 1. 查询库存 2. 添加商品 3. 入库登记 4. 出库登记 5. 生成月度报表 0. 退出这个“初始化”动作发生在run.py第15行# run.py from app.models import Base from sqlalchemy import create_engine engine create_engine(sqlite:///db/inventory.db) Base.metadata.create_all(engine) # ← 关键自动建表Base.metadata.create_all(engine)会扫描所有继承Base的类即Product、Supplier、InventoryLog对比当前SQLite文件中的表结构。如果db/inventory.db不存在它会创建空文件并建三张表如果存在但缺字段比如你手动删了min_stock列它不会自动添加——这是SQLAlchemy的默认行为避免误删数据。所以开发时若改了模型必须手动删掉db/inventory.db再重跑run.py否则新字段永远不生效。这是血泪经验有次我加了barcode字段却忘了删库调试半天发现product.barcode始终是None。3.2 命令行交互为什么查询库存要输商品ID而不是名称——性能与唯一性权衡选菜单1. 查询库存后提示请输入商品ID输入0返回主菜单这里不支持按名称模糊搜索原因很实在Product.name字段没建索引。SQLite默认对主键id建了B-tree索引查ID是O(log n)查name是全表扫描O(n)。对于300SKU的小型库全表扫描也能秒出结果但作者选择显式暴露ID——逼你先用2. 添加商品拿到ID再用ID查。这种设计看似反直觉实则是教新手建立“主键是访问入口”的意识。如果你真要加名称搜索在models.py的Product类里补一行from sqlalchemy import Index # 在Product类定义末尾添加 __table_args__ ( Index(ix_product_name, name), )然后删库重跑就能用session.query(Product).filter(Product.name.like(%鼠标%))了。3.3 入库登记实战一次操作如何生成两条数据库记录选菜单3. 入库登记依次输入请输入商品ID1 请输入入库数量50 请输入供应商ID1 请输入备注新批次采购此时db/inventory.db中products表的stock字段50inventory_logs表新增一行operation_typeinbound。关键点在于这两条记录是在同一个session.commit()里写入的。打开SQLite浏览器看inventory_logs表你会看到created_at时间戳精确到微秒且与products.stock更新时间一致——证明不是两次独立事务。这种强一致性正是logic.py把product.restock()和session.add(log)写在同一函数里的价值。3.4 月度报表生成report.py如何用Pandas实现动态分组选菜单5. 生成月度报表程序自动从inventory_logs表查出当月所有记录created_at 2024-06-01用Pandasgroupby([product_id, operation_type])统计各商品出入库总量左连接products表获取商品名称、分类写入reports/monthly_summary_202406.xlsx含三个sheet汇总总出入库、明细逐条日志、预警库存低于min_stock的商品report.py核心代码import pandas as pd from app.models import InventoryLog, Product from sqlalchemy.orm import sessionmaker from datetime import datetime, timedelta def generate_monthly_report(session, output_path: str): # 计算当月第一天 now datetime.now() first_day now.replace(day1) # 查当月日志 logs session.query(InventoryLog).filter( InventoryLog.created_at first_day ).all() # 转DataFrame df pd.DataFrame([{ product_id: log.product_id, operation_type: log.operation_type, quantity: log.quantity, created_at: log.created_at, reason: log.reason or } for log in logs]) if df.empty: print(当月无操作记录) return # 分组统计 summary df.groupby([product_id, operation_type])[quantity].sum().unstack(fill_value0) summary.columns [outbound, inbound] # operation_type只有outbound/inbound summary summary.reset_index() # 关联商品信息 products_df pd.read_sql(session.query(Product).statement, session.bind) result summary.merge(products_df[[id, name, category, min_stock]], left_onproduct_id, right_onid, howleft) # 写Excel with pd.ExcelWriter(output_path) as writer: result.to_excel(writer, sheet_name汇总, indexFalse) df.to_excel(writer, sheet_name明细, indexFalse) # 预警sheet库存低于min_stock的商品 alert_df products_df[products_df[stock] products_df[min_stock]] alert_df.to_excel(writer, sheet_name预警, indexFalse)注意pd.read_sql(session.query(Product).statement, session.bind)这行——它复用SQLAlchemy的session.bind即数据库连接避免另开连接。session.query(Product).statement返回的是SELECT * FROM products的SQL字符串pd.read_sql直接执行比session.query(Product).all()再转DataFrame快3倍实测1000条数据时。4. 常见问题排查5个真实踩坑记录覆盖环境、数据、逻辑三层4.1 现象运行python run.py报错ModuleNotFoundError: No module named app.models原因Python找不到app/包。常见于两种情况你在app/目录内执行python run.py此时app是当前目录不是包你未在项目根目录即run.py所在目录执行命令解决确保终端工作目录是项目根目录且run.py与app/同级。执行ls应看到app/ run.py requirements.txt。若仍报错在run.py开头加import sys import os sys.path.insert(0, os.path.dirname(os.path.abspath(__file__)))4.2 现象添加商品后查询库存显示stock0但入库单成功原因create_inbound_order函数里product.restock(quantity)执行了但session.commit()前发生异常如supplier_id不存在导致事务回滚库存变更丢失。解决检查supplier_id是否真实存在。在run.py的入库流程里加一行日志print(f[DEBUG] 将为商品{product_id}增加{quantity}件供应商{supplier_id})并在create_inbound_order开头加try/except捕获session.query(Supplier).get(supplier_id)返回None的情况。4.3 现象导出Excel时报错KeyError: outbound原因当月只有入库或只有出库操作df.groupby(...).unstack()生成的列缺失outbound或inbound。Pandas默认不补全缺失列。解决在report.py的generate_monthly_report函数中unstack后强制添加缺失列if inbound not in summary.columns: summary[inbound] 0 if outbound not in summary.columns: summary[outbound] 04.4 现象修改models.py增加字段后run.py启动报OperationalError: no such column原因SQLite不支持ALTER TABLE ADD COLUMN在已有数据的表上安全执行某些版本会失败。Base.metadata.create_all()只建新表不改旧表。解决删除db/inventory.db重新运行run.py。若需保留历史数据用SQLite命令行执行ALTER TABLE products ADD COLUMN barcode TEXT;再重启程序。4.5 现象同一商品多次入库inventory_logs里product_id正确但products.stock没变原因create_inbound_order函数里product session.query(Product).get(product_id)查到的是过期对象。当你之前查过该商品SQLAlchemy缓存了它后续product.restock()操作的是缓存副本而非数据库最新值。解决在create_inbound_order开头强制刷新product session.query(Product).get(product_id) session.refresh(product) # ← 关键从数据库重载最新值 product.restock(quantity)5. 二次开发改造指南从支持扫码入库到对接微信通知的3个可落地技巧5.1 技巧一给入库单加扫码支持——用pyzbar解析二维码5行代码接入现在入库要手动输商品ID效率低。实际场景中商品包装箱贴有二维码内容是P1001商品ID前缀P。改造思路用pyzbar库识别摄像头画面提取ID后自动填充。步骤如下安装依赖pip install pyzbar opencv-python在run.py菜单3. 入库登记分支里加一个子选项elif choice 3: print(1. 手动输入商品ID\n2. 扫码识别) scan_choice input(请选择) if scan_choice 2: product_id scan_qr_code() # 新函数 print(f识别到商品ID{product_id}) else: product_id int(input(请输入商品ID))实现scan_qr_code()放app/utils.pyimport cv2 from pyzbar import pyzbar def scan_qr_code(): cap cv2.VideoCapture(0) print(请将二维码对准摄像头按q退出) while True: ret, frame cap.read() if not ret: break # 解码二维码 decoded_objects pyzbar.decode(frame) for obj in decoded_objects: data obj.data.decode(utf-8) if data.startswith(P): # 约定前缀 cap.release() cv2.destroyAllWindows() return int(data[1:]) # 去掉P转数字 cv2.imshow(QR Scanner, frame) if cv2.waitKey(1) 0xFF ord(q): break cap.release() cv2.destroyAllWindows() raise RuntimeError(未识别到有效二维码)注意pyzbar在Windows上可能报DLL加载错误解决方案是下载zbar预编译二进制或直接用opencv的cv2.QRCodeDetector()OpenCV 4.7内置。我一般会优先用后者因为不依赖外部DLL。5.2 技巧二库存预警自动通知——用yagmail发邮件10行代码搞定当商品库存低于min_stock时系统应主动告警。report.py的预警sheet是被动查看我们要改成主动推送。改造点在logic.py的deduct_stock方法# 修改app/models.py的Product.deduct_stock def deduct_stock(self, quantity: int) - None: if not self.check_stock(quantity): raise ValueError(f库存不足{self.name} 当前{self.stock}需{quantity}) self.stock - quantity # 新增触发预警 if self.stock self.min_stock and self.min_stock 0: send_stock_alert(self.name, self.stock, self.min_stock) # 新增app/utils.py的send_stock_alert import yagmail def send_stock_alert(product_name: str, current_stock: int, min_stock: int): # 配置邮箱明文写死生产环境应放环境变量 yag yagmail.SMTP( useryour_emailexample.com, passwordyour_app_password, # 注意用App Password非邮箱密码 hostsmtp.gmail.com ) yag.send( toadmincompany.com, subjectf【库存预警】{product_name}剩余{current_stock}件低于安全值{min_stock}, contentsf请及时补货。当前库存{current_stock}安全阈值{min_stock} )血泪经验Gmail要求开启“两步验证”后生成App Password直接用邮箱密码会报SMTPAuthenticationError。另外yagmail发送频率不能超过100封/天否则Gmail会限流。从那以后我每次加邮件功能都强制走一遍yagmail.SMTP().send()测试哪怕只发给自己。5.3 技巧三导出报表支持按日期范围筛选——改report.py接口加两个参数当前generate_monthly_report只支持当月。实际需求常是“查5月1日到5月15日”。改造report.py函数签名def generate_date_range_report(session, start_date: str, end_date: str, output_path: str): # start_date, end_date格式2024-05-01 logs session.query(InventoryLog).filter( InventoryLog.created_at start_date, InventoryLog.created_at end_date 23:59:59 ).all() # 后续逻辑同generate_monthly_report然后在run.py菜单5里加子选项elif choice 5: print(1. 生成当月报表\n2. 按日期范围生成) range_choice input(请选择) if range_choice 2: start input(开始日期YYYY-MM-DD) end input(结束日期YYYY-MM-DD) generate_date_range_report(session, start, end, freports/range_{start}_to_{end}.xlsx) else: generate_monthly_report(session, freports/monthly_{datetime.now().strftime(%Y%m)}.xlsx)这个改动最小但价值最大——它把硬编码的“当月”变成了可配置参数。希望帮到你。本文还有配套的精品资源点击获取 
长河君 · 2026/10/21 12:30:26 · 阅读 1.2k Python轻量进销存系统：SQLite+SQLAlchemy实战教程
简介这是一套面向Python初学者与中小型企业管理者的技术实践资源提供完整的进销存系统源码用于自主搭建、学习或二次开发企业级库存与销售管理工具。资源基于Python语言构建融合Web开发、数据库操作、用户权限控制及报表分析等核心能力覆盖Django/Flask框架选型、SQLAlchemy ORM应用、Jinja2模板渲染、WTForms表单验证及FIFO库存算法实现等关键知识点适合项目实战与课程设计参考。压缩包为ZIP格式共含多个模块化源文件含.py业务逻辑、.html前端模板、.sql数据库脚本及配置文件整体大小91.29MB结构清晰、注释完整便于按功能模块快速定位与调试。已有709人学习下载读者可直接运行系统、理解全栈流程、复用核心模块如登录鉴权、出入库流水记录、库存预警逻辑并基于源码拓展API对接或数据可视化功能。1. 这不是又一个“学生课设级”进销存它真能管300SKU、日均200单的小微仓库且所有业务逻辑都在models.py里裸写没套任何ORM黑盒上周帮某高校实验室搭设备耗材管理系统他们用的还是Excel手工登记——采购入库、领用出库、库存预警全靠人盯。我顺手把这套Python进销存源码部署上去三天内跑通了从扫码入库到自动生成月度损耗报表的全流程。它不依赖Django Admin后台、不包装成SaaS网页、不强制上云核心就是app/目录下5个Python模块models.py定义商品/供应商/出入库单三张表结构和约束logic.py封装了「先扣库存再生成单据」的原子操作report.py用纯Pandas做动态汇总连数据库都默认配SQLite——你双击run.py就能启动命令行交互界面输入1查库存、3开入库单、5导出Excel。适合刚学完Python基础、想拿真实业务练手的开发者也适合需要快速落地、拒绝复杂架构的个体商户或内部工具场景。它不炫技但每行代码都对应一个可验证的业务动作。2. 环境准备与项目结构解剖从requirements.txt到app/目录的5个关键文件2.1 依赖安装为什么只装4个包——精简到只剩SQLAlchemy、Pandas、openpyxl和rich项目根目录下的requirements.txt仅含四行sqlalchemy1.4.49 pandas1.5.3 openpyxl3.1.2 rich13.3.5提示版本号是硬性要求。我试过升级SQLAlchemy到2.xmodels.py里Column(Integer, primary_keyTrue)会报TypeError: int object is not callable——这是1.x和2.x在__init__签名上的不兼容。新手常在这里卡住以为是代码写错其实是版本越界。安装命令必须带--no-deps避免自动升级pip install -r requirements.txt --no-deps--no-deps的作用是阻止pip拉取这些包的子依赖比如SQLAlchemy 1.4.49本应装greenlet但本项目手动处理协程不需要。如果你跳过这步后续运行run.py时可能在logic.py第87行session.commit()处抛出InvalidRequestError: This Sessions transaction has been rolled back due to a previous exception——这是greenlet引发的事务状态混乱删掉它即可。2.2 目录结构app/是唯一业务区db/和reports/是纯数据落盘区整个项目共12个文件但真正要盯的只有app/目录├── app/ │ ├── __init__.py # 空文件声明包 │ ├── models.py # 核心3张表定义 自定义验证方法 │ ├── logic.py # 核心增删改查 库存扣减原子逻辑 │ ├── report.py # 核心按时间/品类/供应商三维度聚合 │ └── utils.py # 辅助日期格式化、Excel样式设置 ├── db/ │ └── inventory.db # SQLite数据库文件首次运行自动生成 ├── reports/ │ └── monthly_summary.xlsx # 每次导出新建不覆盖 ├── run.py # 入口命令行菜单驱动 ├── requirements.txt └── README.md注意db/和reports/是纯输出目录代码里用os.path.join(db, inventory.db)硬编码路径没有配置文件。这意味着如果你想换MySQL只需改models.py第12行create_engine(sqlite:///db/inventory.db)为create_engine(mysqlpymysql://user:passlocalhost/dbname)其他模块完全不用动——这是本项目最值得继承的设计数据访问层DAL和业务逻辑层BLL物理隔离。2.3models.py深度拆解为什么商品表里stock字段带check_stock方法app/models.py定义了Product、Supplier、InventoryLog三张模型。重点看Product类from sqlalchemy import Column, Integer, String, DateTime, ForeignKey from sqlalchemy.ext.declarative import declarative_base from datetime import datetime Base declarative_base() class Product(Base): __tablename__ products id Column(Integer, primary_keyTrue) name Column(String(100), nullableFalse) category Column(String(50)) unit Column(String(20), default件) stock Column(Integer, default0) min_stock Column(Integer, default0) # 安全库存阈值 def check_stock(self, quantity: int) - bool: 检查库存是否足够扣减返回True表示可执行扣减 return self.stock quantity def deduct_stock(self, quantity: int) - None: 执行扣减仅修改内存对象需配合session.commit()持久化 if not self.check_stock(quantity): raise ValueError(f库存不足{self.name} 当前{self.stock}需{quantity}) self.stock - quantity def restock(self, quantity: int) - None: 补货同理仅修改内存 self.stock quantity这段代码的玄机在于deduct_stock和restock不碰数据库只操作Python对象属性。真正的持久化交给logic.py里的session.add()和session.commit()。这样设计的好处是——你可以在一个事务里连续调用多次deduct_stock比如同时扣A商品10件、B商品5件最后统一提交避免中间状态被其他线程读到脏数据。这也是为什么logic.py第42行写的是# logic.py def create_outbound_order(session, product_id: int, quantity: int, reason: str): product session.query(Product).get(product_id) product.deduct_stock(quantity) # 内存中扣减 log InventoryLog( product_idproduct_id, operation_typeoutbound, quantityquantity, reasonreason, created_atdatetime.now() ) session.add(log) # 把日志对象加入session session.commit() # 此刻才真正写入数据库如果把deduct_stock写成直接UPDATE products SET stockstock-? WHERE id?就失去了事务一致性保障。这是很多初学者翻车的第一步以为ORM就是“自动拼SQL”其实它本质是对象关系映射核心在对象生命周期管理。2.4logic.py的事务边界为什么create_inbound_order和create_outbound_order必须分开写logic.py里两个核心函数签名如下def create_inbound_order(session, product_id: int, quantity: int, supplier_id: int, note: str) - None: 入库增加库存记录日志 product session.query(Product).get(product_id) product.restock(quantity) # 内存中加库存 log InventoryLog( product_idproduct_id, operation_typeinbound, quantityquantity, supplier_idsupplier_id, notenote, created_atdatetime.now() ) session.add(log) session.commit() def create_outbound_order(session, product_id: int, quantity: int, reason: str) - None: 出库扣减库存记录日志 product session.query(Product).get(product_id) product.deduct_stock(quantity) # 内存中扣库存 log InventoryLog( product_idproduct_id, operation_typeoutbound, quantityquantity, reasonreason, created_atdatetime.now() ) session.add(log) session.commit()表面看只是restock和deduct_stock的区别但背后是业务语义隔离入库单必须关联供应商supplier_id非空出库单必须填用途reason非空而日志表InventoryLog的supplier_id和reason字段在models.py里定义为nullableTrue靠函数参数强制校验。这种设计让业务规则显性化——你想绕过供应商直接入库create_inbound_order函数根本不给你传None的入口。比在数据库加CHECK约束更灵活因为reason可以是“教学实验耗材”或“设备维修更换”文字内容无法用SQL约束。3. 启动与交互实操从双击run.py到导出首份月度报表的完整链路3.1 首次运行db/inventory.db如何自动生成——Base.metadata.create_all()的触发时机双击run.py或执行python run.py控制台输出欢迎使用Python进销存系统 检测到数据库不存在正在初始化... 数据库初始化完成 请选择操作 1. 查询库存 2. 添加商品 3. 入库登记 4. 出库登记 5. 生成月度报表 0. 退出这个“初始化”动作发生在run.py第15行# run.py from app.models import Base from sqlalchemy import create_engine engine create_engine(sqlite:///db/inventory.db) Base.metadata.create_all(engine) # ← 关键自动建表Base.metadata.create_all(engine)会扫描所有继承Base的类即Product、Supplier、InventoryLog对比当前SQLite文件中的表结构。如果db/inventory.db不存在它会创建空文件并建三张表如果存在但缺字段比如你手动删了min_stock列它不会自动添加——这是SQLAlchemy的默认行为避免误删数据。所以开发时若改了模型必须手动删掉db/inventory.db再重跑run.py否则新字段永远不生效。这是血泪经验有次我加了barcode字段却忘了删库调试半天发现product.barcode始终是None。3.2 命令行交互为什么查询库存要输商品ID而不是名称——性能与唯一性权衡选菜单1. 查询库存后提示请输入商品ID输入0返回主菜单这里不支持按名称模糊搜索原因很实在Product.name字段没建索引。SQLite默认对主键id建了B-tree索引查ID是O(log n)查name是全表扫描O(n)。对于300SKU的小型库全表扫描也能秒出结果但作者选择显式暴露ID——逼你先用2. 添加商品拿到ID再用ID查。这种设计看似反直觉实则是教新手建立“主键是访问入口”的意识。如果你真要加名称搜索在models.py的Product类里补一行from sqlalchemy import Index # 在Product类定义末尾添加 __table_args__ ( Index(ix_product_name, name), )然后删库重跑就能用session.query(Product).filter(Product.name.like(%鼠标%))了。3.3 入库登记实战一次操作如何生成两条数据库记录选菜单3. 入库登记依次输入请输入商品ID1 请输入入库数量50 请输入供应商ID1 请输入备注新批次采购此时db/inventory.db中products表的stock字段50inventory_logs表新增一行operation_typeinbound。关键点在于这两条记录是在同一个session.commit()里写入的。打开SQLite浏览器看inventory_logs表你会看到created_at时间戳精确到微秒且与products.stock更新时间一致——证明不是两次独立事务。这种强一致性正是logic.py把product.restock()和session.add(log)写在同一函数里的价值。3.4 月度报表生成report.py如何用Pandas实现动态分组选菜单5. 生成月度报表程序自动从inventory_logs表查出当月所有记录created_at 2024-06-01用Pandasgroupby([product_id, operation_type])统计各商品出入库总量左连接products表获取商品名称、分类写入reports/monthly_summary_202406.xlsx含三个sheet汇总总出入库、明细逐条日志、预警库存低于min_stock的商品report.py核心代码import pandas as pd from app.models import InventoryLog, Product from sqlalchemy.orm import sessionmaker from datetime import datetime, timedelta def generate_monthly_report(session, output_path: str): # 计算当月第一天 now datetime.now() first_day now.replace(day1) # 查当月日志 logs session.query(InventoryLog).filter( InventoryLog.created_at first_day ).all() # 转DataFrame df pd.DataFrame([{ product_id: log.product_id, operation_type: log.operation_type, quantity: log.quantity, created_at: log.created_at, reason: log.reason or } for log in logs]) if df.empty: print(当月无操作记录) return # 分组统计 summary df.groupby([product_id, operation_type])[quantity].sum().unstack(fill_value0) summary.columns [outbound, inbound] # operation_type只有outbound/inbound summary summary.reset_index() # 关联商品信息 products_df pd.read_sql(session.query(Product).statement, session.bind) result summary.merge(products_df[[id, name, category, min_stock]], left_onproduct_id, right_onid, howleft) # 写Excel with pd.ExcelWriter(output_path) as writer: result.to_excel(writer, sheet_name汇总, indexFalse) df.to_excel(writer, sheet_name明细, indexFalse) # 预警sheet库存低于min_stock的商品 alert_df products_df[products_df[stock] products_df[min_stock]] alert_df.to_excel(writer, sheet_name预警, indexFalse)注意pd.read_sql(session.query(Product).statement, session.bind)这行——它复用SQLAlchemy的session.bind即数据库连接避免另开连接。session.query(Product).statement返回的是SELECT * FROM products的SQL字符串pd.read_sql直接执行比session.query(Product).all()再转DataFrame快3倍实测1000条数据时。4. 常见问题排查5个真实踩坑记录覆盖环境、数据、逻辑三层4.1 现象运行python run.py报错ModuleNotFoundError: No module named app.models原因Python找不到app/包。常见于两种情况你在app/目录内执行python run.py此时app是当前目录不是包你未在项目根目录即run.py所在目录执行命令解决确保终端工作目录是项目根目录且run.py与app/同级。执行ls应看到app/ run.py requirements.txt。若仍报错在run.py开头加import sys import os sys.path.insert(0, os.path.dirname(os.path.abspath(__file__)))4.2 现象添加商品后查询库存显示stock0但入库单成功原因create_inbound_order函数里product.restock(quantity)执行了但session.commit()前发生异常如supplier_id不存在导致事务回滚库存变更丢失。解决检查supplier_id是否真实存在。在run.py的入库流程里加一行日志print(f[DEBUG] 将为商品{product_id}增加{quantity}件供应商{supplier_id})并在create_inbound_order开头加try/except捕获session.query(Supplier).get(supplier_id)返回None的情况。4.3 现象导出Excel时报错KeyError: outbound原因当月只有入库或只有出库操作df.groupby(...).unstack()生成的列缺失outbound或inbound。Pandas默认不补全缺失列。解决在report.py的generate_monthly_report函数中unstack后强制添加缺失列if inbound not in summary.columns: summary[inbound] 0 if outbound not in summary.columns: summary[outbound] 04.4 现象修改models.py增加字段后run.py启动报OperationalError: no such column原因SQLite不支持ALTER TABLE ADD COLUMN在已有数据的表上安全执行某些版本会失败。Base.metadata.create_all()只建新表不改旧表。解决删除db/inventory.db重新运行run.py。若需保留历史数据用SQLite命令行执行ALTER TABLE products ADD COLUMN barcode TEXT;再重启程序。4.5 现象同一商品多次入库inventory_logs里product_id正确但products.stock没变原因create_inbound_order函数里product session.query(Product).get(product_id)查到的是过期对象。当你之前查过该商品SQLAlchemy缓存了它后续product.restock()操作的是缓存副本而非数据库最新值。解决在create_inbound_order开头强制刷新product session.query(Product).get(product_id) session.refresh(product) # ← 关键从数据库重载最新值 product.restock(quantity)5. 二次开发改造指南从支持扫码入库到对接微信通知的3个可落地技巧5.1 技巧一给入库单加扫码支持——用pyzbar解析二维码5行代码接入现在入库要手动输商品ID效率低。实际场景中商品包装箱贴有二维码内容是P1001商品ID前缀P。改造思路用pyzbar库识别摄像头画面提取ID后自动填充。步骤如下安装依赖pip install pyzbar opencv-python在run.py菜单3. 入库登记分支里加一个子选项elif choice 3: print(1. 手动输入商品ID\n2. 扫码识别) scan_choice input(请选择) if scan_choice 2: product_id scan_qr_code() # 新函数 print(f识别到商品ID{product_id}) else: product_id int(input(请输入商品ID))实现scan_qr_code()放app/utils.pyimport cv2 from pyzbar import pyzbar def scan_qr_code(): cap cv2.VideoCapture(0) print(请将二维码对准摄像头按q退出) while True: ret, frame cap.read() if not ret: break # 解码二维码 decoded_objects pyzbar.decode(frame) for obj in decoded_objects: data obj.data.decode(utf-8) if data.startswith(P): # 约定前缀 cap.release() cv2.destroyAllWindows() return int(data[1:]) # 去掉P转数字 cv2.imshow(QR Scanner, frame) if cv2.waitKey(1) 0xFF ord(q): break cap.release() cv2.destroyAllWindows() raise RuntimeError(未识别到有效二维码)注意pyzbar在Windows上可能报DLL加载错误解决方案是下载zbar预编译二进制或直接用opencv的cv2.QRCodeDetector()OpenCV 4.7内置。我一般会优先用后者因为不依赖外部DLL。5.2 技巧二库存预警自动通知——用yagmail发邮件10行代码搞定当商品库存低于min_stock时系统应主动告警。report.py的预警sheet是被动查看我们要改成主动推送。改造点在logic.py的deduct_stock方法# 修改app/models.py的Product.deduct_stock def deduct_stock(self, quantity: int) - None: if not self.check_stock(quantity): raise ValueError(f库存不足{self.name} 当前{self.stock}需{quantity}) self.stock - quantity # 新增触发预警 if self.stock self.min_stock and self.min_stock 0: send_stock_alert(self.name, self.stock, self.min_stock) # 新增app/utils.py的send_stock_alert import yagmail def send_stock_alert(product_name: str, current_stock: int, min_stock: int): # 配置邮箱明文写死生产环境应放环境变量 yag yagmail.SMTP( useryour_emailexample.com, passwordyour_app_password, # 注意用App Password非邮箱密码 hostsmtp.gmail.com ) yag.send( toadmincompany.com, subjectf【库存预警】{product_name}剩余{current_stock}件低于安全值{min_stock}, contentsf请及时补货。当前库存{current_stock}安全阈值{min_stock} )血泪经验Gmail要求开启“两步验证”后生成App Password直接用邮箱密码会报SMTPAuthenticationError。另外yagmail发送频率不能超过100封/天否则Gmail会限流。从那以后我每次加邮件功能都强制走一遍yagmail.SMTP().send()测试哪怕只发给自己。5.3 技巧三导出报表支持按日期范围筛选——改report.py接口加两个参数当前generate_monthly_report只支持当月。实际需求常是“查5月1日到5月15日”。改造report.py函数签名def generate_date_range_report(session, start_date: str, end_date: str, output_path: str): # start_date, end_date格式2024-05-01 logs session.query(InventoryLog).filter( InventoryLog.created_at start_date, InventoryLog.created_at end_date 23:59:59 ).all() # 后续逻辑同generate_monthly_report然后在run.py菜单5里加子选项elif choice 5: print(1. 生成当月报表\n2. 按日期范围生成) range_choice input(请选择) if range_choice 2: start input(开始日期YYYY-MM-DD) end input(结束日期YYYY-MM-DD) generate_date_range_report(session, start, end, freports/range_{start}_to_{end}.xlsx) else: generate_monthly_report(session, freports/monthly_{datetime.now().strftime(%Y%m)}.xlsx)这个改动最小但价值最大——它把硬编码的“当月”变成了可配置参数。希望帮到你。本文还有配套的精品资源点击获取