之前有群友反应同事给了他一个几百mb的sql脚本,导入数据库再从数据库读取数据有点慢,想了解下有没有可以直接读取sql脚本到pandas的方法。
解析sql脚本文本文件替换成csv格式并加载
我考虑了一下sql脚本也就只是一个文本文件而已,而且只有几百mb,现代的机器足以把它一次性全部加载到内存中,使用python来处理也不会太慢。
我简单研究了一下sql脚本的导出格式,并根据格式写出了以下sql脚本的读取方法。
注意:该读取方法只针对sqlyog导出的mysql脚本测试,其他数据库可能代码需要根据实际情况微调。
读取方法:
from io import stringio import pandas as pd import re def read_sql_script_all(sql_file_path, quotechar="'") -> (str, dict): insert_check = re.compile(r"insert +into +`?(\w+?)`?\(", re.i | re.a) with open(sql_file_path, encoding="utf-8") as f: sql_txt = f.read() end_pos = -1 df_dict = {} while true: match_obj = insert_check.search(sql_txt, end_pos+1) if not match_obj: break table_name = match_obj.group(1) start_pos = match_obj.span()[1]+1 end_pos = sql_txt.find(";", start_pos) tmp = re.sub(r"\)( values |,)\(", "\n", sql_txt[start_pos:end_pos]) tmp = re.sub(r"[`()]", "", tmp) df = pd.read_csv(stringio(tmp), quotechar=quotechar) dfs = df_dict.setdefault(table_name, []) dfs.append(df) for table_name, dfs in df_dict.items(): df_dict[table_name] = pd.concat(dfs) return df_dict
参数:
- sql_file_path:sql脚本的位置
- quotechar:脚本中字符串是单引号还是双引号,默认使用单引号解析
返回:
一个字典,键是表名,值是该表对应的数据所组成的datafream对象
下面我测试读取下面这个sql脚本:
其中的表名是index_test
:
df_dict = read_sql_script_all("d:/tmp/test.sql") df = df_dict['index_test'] df.head(10)
结果:
可以看到能顺利的直接从sql脚本中读取数据生成datafream。
当然上面写的方法是一次性读取整个sql脚本的所有表,结果为一个字典(键为表名,值为datafream)。但大部分时候我们只需要读取sql脚本的某一张表,我们可以改造一下上面的方法:
def read_sql_script_by_tablename(sql_file_path, table_name, quotechar="'") -> (str, dict): insert_check = re.compile(r"insert +into +`?(\w+?)`?\(", re.i | re.a) with open(sql_file_path, encoding="utf-8") as f: sql_txt = f.read() end_pos = -1 dfs = [] while true: match_obj = insert_check.search(sql_txt, end_pos+1) if not match_obj: break start_pos = match_obj.span()[1]+1 end_pos = sql_txt.find(";", start_pos) if table_name != match_obj.group(1): continue tmp = re.sub(r"\)( values |,)\(", "\n", sql_txt[start_pos:end_pos]) tmp = re.sub(r"[`()]", "", tmp) df = pd.read_csv(stringio(tmp), quotechar=quotechar) dfs.append(df) return pd.concat(dfs)
参数:
- sql_file_path:sql脚本的位置
- table_name:被读取的表名
- quotechar:脚本中字符串是单引号还是双引号,默认使用单引号解析
返回:
该表所对应的datafream对象
读取代码:
df = read_sql_script_by_tablename("d:/tmp/test.sql", "index_test") df.head()
结果:
将sql脚本转换为sqlite格式并通过本地sql连接读取
在写完上面的方法后,我又想到另一种解决思路,就是将sql脚本转换成sqlite语法的sql语句,然后直接加载。各种类型的数据库的sql语句变化较大,下面的方法仅针对sqlyog导出的mysql脚本测试通过,如果是其他的数据库,可能下面的方法仍然需要微调。最好是先自行将sql脚本转换为sqlite语法的sql语句后,再使用我写的方法加载。
加载sql脚本的方法:
from sqlalchemy import create_engine import pandas as pd import re def load_sql2sqlite_conn(sqltxt_path): create_rule = re.compile("create +table [^;]+;", re.i) insert_rule = re.compile("insert +into [^;]+;", re.i) with open(sqltxt_path, encoding="utf-8") as f: sqltxt = f.read() engine = create_engine('sqlite:///:memory:') pos = -1 while true: match_obj = create_rule.search(sqltxt, pos+1) if match_obj: pos = match_obj.span()[1] sql = match_obj.group(0).replace("auto_increment", "") sql = re.sub("\).+;", ");", sql) engine.execute(sql) match_obj = insert_rule.search(sqltxt, pos+1) if match_obj: pos = match_obj.span()[1] sql = match_obj.group(0) engine.execute(sql) else: break tablenames = [t[0] for t in engine.execute( "select tbl_name from sqlite_master where type='table';").fetchall()] return tablenames, engine.connect()
参数:
sql_file_path:sql脚本的位置
返回:
两个元素的元组,第一个元素是表名列表,第二个元素是sqlite内存虚拟连接
测试读取:
tablenames, conn = load_sql2sqlite_conn("d:/tmp/test.sql") tablename = tablenames[0] print(tablename) df = pd.read_sql(f"select * from {tablename};", conn) df
结果:
到此这篇关于pandas直接读取sql脚本的文章就介绍到这了,更多相关pandas读取sql脚本内容请搜索www.887551.com以前的文章或继续浏览下面的相关文章希望大家以后多多支持www.887551.com!