實時讀取SQL Server數據庫表并進行處理是一個常見的需求。

在Python中，可以使用pyodbc庫來連接SQL Server數據庫，并使用pandas庫來進行數據處理。

下面是一個實戰示例，演示如何實時讀取SQL Server數據庫表，并將數據寫入Excel文件。

步驟1：安裝所需的庫

首先，確保已經安裝了pyodbc和pandas庫。

可以使用以下命令來安裝這些庫：

pip install pyodbc
pip install pandas

步驟2：連接到SQL Server數據庫

使用pyodbc庫連接到SQL Server數據庫。

首先，需要導入pyodbc庫，并使用pyodbc.connect()函數創建一個數據庫連接對象。

在連接對象中，需要指定數據庫的連接信息，如服務器名稱、數據庫名稱、用戶名和密碼等。

import pyodbc

# 連接到SQL Server數據庫
conn = pyodbc.connect('DRIVER={SQL Server};SERVER=服務器名稱;DATABASE=數據庫名稱;UID=用戶名;PWD=密碼')

步驟3：讀取數據庫表數據

使用pandas庫的read_sql()函數可以方便地從數據庫中讀取數據。

該函數接受一個SQL查詢語句作為參數，并返回一個包含查詢結果的DataFrame對象。

import pandas as pd

# 讀取數據庫表數據
df = pd.read_sql('SELECT * FROM 表名', conn)

步驟4：處理數據

在DataFrame對象中，可以使用pandas庫提供的各種函數和方法對數據進行處理。

例如，可以對數據進行篩選、排序、聚合等操作。

# 對數據進行處理
df_filtered = df[df['列名'] > 100]  # 篩選出列名大于100的數據
df_sorted = df.sort_values('列名')  # 按列名排序數據
df_grouped = df.groupby('列名').sum()  # 按列名分組并求和

步驟5：將數據寫入Excel文件

使用pandas庫的to_excel()函數可以將DataFrame對象中的數據寫入Excel文件。

該函數接受一個文件路徑作為參數，并將數據寫入指定的Excel文件。

# 將數據寫入Excel文件
df.to_excel('文件路徑.xlsx', index=False)

步驟6：實現實時讀取和寫入

要實現每秒鐘讀取數據庫表并寫入Excel文件的功能，可以使用Python的time模塊來控制讀取和寫入的時間間隔。

可以使用time.sleep()函數來暫停程序的執行，以實現每秒鐘讀取一次數據的效果。

import time

while True:
    # 讀取數據庫表數據
    df = pd.read_sql('SELECT * FROM 表名', conn)

    # 處理數據

    # 將數據寫入Excel文件
    df.to_excel('文件路徑.xlsx', index=False)

    # 暫停1秒鐘
    time.sleep(1)

以上就是使用Python實現實時讀取SQL Server數據庫表并寫入Excel文件的基本步驟。

根據實際需求，可以對代碼進行適當的修改和擴展。