Un file CSV con ordini e clienti cresce ogni settimana, ma copiarne i dati a mano comincia a creare errori. Con Python puoi salvarli in un database usando strumenti già disponibili, anche se la scelta cambia quando più persone o processi devono scrivere nello stesso archivio.

Python può gestire dati in locale o collegarsi a un database condiviso
- sqlite3 basta per script, prototipi e applicazioni con un archivio locale.
- PostgreSQL è più adatto quando più processi devono scrivere spesso sugli stessi dati.
- Query parametrizzate proteggono i valori inseriti da errori e iniezioni SQL.
- SQLAlchemy aiuta a organizzare progetti con modelli e più tipi di database.
Per un archivio locale, sqlite3 evita un server separato
Quando il programma deve leggere e aggiornare dati sullo stesso computer, partirei dal modulo sqlite3: crea o apre un file di database senza richiedere un server dedicato. In Python puoi collegarti al file, eseguire istruzioni SQL e recuperare i risultati con poche chiamate; il codice resta semplice finché il progetto non deve coordinare molti accessi simultanei.
import sqlite3
with sqlite3.connect("ordini.db") as conn:
conn.execute("""
CREATE TABLE IF NOT EXISTS ordini (
id INTEGER PRIMARY KEY,
cliente TEXT NOT NULL,
totale REAL NOT NULL
)
""")
conn.execute(
"INSERT INTO ordini (cliente, totale) VALUES (?, ?)",
("Rossi", 49.90)
)
La connessione rappresenta il dialogo con il file, mentre execute() invia un comando SQL. Il blocco with gestisce il commit se le istruzioni terminano senza eccezioni e il rollback se ne viene sollevata una; non chiude da solo la connessione, quindi nei programmi più lunghi va gestita anche la chiusura. La documentazione Python chiarisce entrambi i comportamenti.
Passa a PostgreSQL quando gli accessi simultanei diventano frequenti
Il segnale non è una dimensione precisa del database, ma il modo in cui viene usato. Se un’applicazione web riceve scritture frequenti da richieste diverse, SQLite può mettere in attesa alcune operazioni: sceglierei PostgreSQL quando la concorrenza di scrittura è parte normale del servizio, non un evento raro.
| Situazione | Possibile conseguenza | Scelta pratica |
|---|---|---|
| Script personale o prototipo con un archivio locale | Un server separato aggiunge configurazione senza un beneficio immediato | Usa sqlite3 |
| Più richieste web scrivono spesso sugli stessi dati | Le scritture SQLite possono accodarsi | Valuta PostgreSQL o un altro database server |
| Più processi leggono dati, con poche scritture | Il carico potrebbe restare compatibile con SQLite | Misura il comportamento prima di migrare |
Un’applicazione piccola può quindi restare su SQLite anche se ha più lettori; il punto delicato è la contesa sulle scritture. Flask documenta proprio questo compromesso: l’accesso concorrente in scrittura può rallentare le richieste, mentre applicazioni contenute potrebbero non accorgersene.
I parametri SQL tengono separati codice e dati
Una query costruita concatenando testo e input può trasformare un nome digitato dall’utente in parte del comando SQL. Con sqlite3 usa invece i segnaposto ? e passa i valori come parametri: il driver li tratta come dati, senza interpretarli come istruzioni.
cliente = input("Nome cliente: ")
with sqlite3.connect("ordini.db") as conn:
righe = conn.execute(
"SELECT id, totale FROM ordini WHERE cliente = ?",
(cliente,)
).fetchall()
La virgola nella tupla con un solo elemento è necessaria per indicare a Python che si tratta di una tupla. Per aggiornare più righe, raggruppa le modifiche in una transazione: se un passaggio fallisce, il rollback evita di lasciare salvata solo una parte dell’operazione. Le query parametrizzate sono la regola da seguire anche quando l’input sembra innocuo.
SQLAlchemy serve quando la struttura del progetto cresce
Quando il codice comincia a ripetere query e conversioni tra righe e oggetti Python, entra in gioco SQLAlchemy. Il suo livello Core costruisce istruzioni SQL tramite oggetti e metadati; l’ORM associa invece classi Python alle tabelle e gestisce gli oggetti persistenti. La scelta dipende da come vuoi modellare il programma, non dall’obbligo di nascondere SQL.
Per un piccolo script di importazione sceglierei sqlite3, così il flusso dei dati resta visibile. In un’applicazione con entità collegate, come clienti, ordini e righe d’ordine, SQLAlchemy può dare una struttura più uniforme; richiede però di imparare i suoi concetti di sessione e mapping. La documentazione SQLAlchemy distingue Core e ORM come modalità utilizzabili anche separatamente.
Un import CSV ben fatto comincia da una regola semplice
Per trasferire gli ordini dal CSV al database, convaliderei prima le colonne e i tipi, poi inserirei ogni riga con parametri e gestirei l’intero lotto dentro una transazione. Se una riga non è valida, il programma può registrare l’errore e decidere se scartare quella riga o annullare tutto l’import: la scelta va stabilita prima, perché cambia quanto facilmente si può ripetere l’operazione.
Regola pratica: archivio locale e poche scritture, resta su sqlite3; scritture simultanee frequenti o modello applicativo articolato, valuta PostgreSQL e SQLAlchemy. Così il CSV smette di essere il punto fragile del flusso, senza introdurre complessità prima che serva.