自动创建表并从 json 文件插入数据
Posted
技术标签:
【中文标题】自动创建表并从 json 文件插入数据【英文标题】:Automatically creating a table and inserting data from json file 【发布时间】:2015-11-16 01:48:28 【问题描述】:我有将近 50 个 json 文件。我想基于这些文件创建 Postgres 数据库。每个文件包含一个表的数据。文件不是很大(最多几千条记录)。来自customers.json
的示例数据(其实字段更多,我已经简化了):
[
"Id": 55948,
"FullName": "Full name #1",
"Address": "Address #1",
"Turnover": 120400.5,
"DateOfRegistration": "2014-02-13",
"LastModifiedAt": "2015-11-03 12:04:44" ,
"Id": 55949,
"FullName": "Full name %2",
"Address": "Address #2",
"Turnover": 120000.0,
"DateOfRegistration": "2012-12-01",
"LastModifiedAt": "2015-11-04 17:14:21"
]
我尝试编写一个函数来创建一个表并将所有数据插入其中。我的尝试是基于使用 EXECUTE 的动态查询:
CREATE OR REPLACE FUNCTION import_json(table_name text, data json)
RETURNS VOID AS $$
DECLARE
query text;
colname text;
BEGIN
query := 'CREATE TABLE ' || table_name || ' (';
FOR colname IN SELECT json_object_keys(data->0)
LOOP query := query || lower(colname) || ' text,';
END LOOP;
query := rtrim(query, ',') || ');';
EXECUTE(query);
END $$ LANGUAGE plpgsql;
我的函数创建了一个具有预期列名的表,但所有列都是文本类型。问题是我不知道如何定义正确的列类型。
json 文件格式正确,包含整数、数字、日期、时间戳和文本值。我想拿到桌子:
CREATE TABLE customers (
id integer,
fullname text,
address text,
turnover numeric,
date_of_registration date,
last_modified_at timestamp);
主要问题:如何识别生成表中的列类型?
此外,有没有一种简单的方法可以将 Pascal 转换为下划线表示法(“DateOfRegistration” -> “date_of_registration”)?
【问题讨论】:
您反对只使用 plpgsql 还是外部语言可以。您是否还有定义列类型的表的架构,或者您是否试图从字段名称推断它,IE 字段名称以设置为日期的“日期”开头,字段名称是 id,然后是整数? 半相关提示:在动态 SQL 中使用format
和%I
而不是使用||
连接。无论如何,我个人会用 Python 或其他东西来完成这项工作。
如果你愿意使用 python,那么这是可行的,没有太多麻烦。提示您的主要问题:Use a json schema generator 找出目标表的类型。SO thread that answers the 2nd question
【参考方案1】:
您可以通过检查值来确定列的类型。 下面的函数从一对(键,值)中格式化列的定义。 它使用regex pattern matching。 它还将列的名称转换为带下划线的符号(使用regexp_replace() 函数)。 当然,如果该值表示为NULL,该函数将无法正常工作,因此您必须检查第一个json记录是否全部为非空值。
create or replace function format_column(ckey text, cval text)
returns text language sql immutable as $$
select format('%s %s',
lower(regexp_replace(ckey, '(.)([A-Z])', '\1_\2', 'g')),
case
when cval ~ '^[\+-]0,1\d+$' then 'integer'
when cval ~ '^[\+-]0,1\d*\.\d+$' then 'numeric'
when cval ~ '^"\d\d\d\d-\d\d-\d\d"$' then 'date'
when cval ~ '^"\d\d\d\d-\d\d-\d\d \d\d:\d\d:\d\d"$' then 'timestamp'
else 'text'
end
)
$$;
select format_column(key, value)
from (
values
('Id', '55948'),
('FullName', '"Full name #1"'),
('Turnover', '120400.5'),
('DateOfRegistration', '"2014-02-13"')
) val(key, value);
format_column
---------------------------
id integer
full_name text
turnover numeric
date_of_registration date
(4 rows)
在主函数中你不需要变量或循环。
使用format() 函数来格式化带有参数的字符串,使用string_agg() 来创建文本列表。
由于您需要键和值,请使用json_each()
而不是json_object_keys()
。在第二个查询中,您可以使用row_number()
来确保为连续记录划分聚合值列表。
create or replace function import_table(table_name text, jdata json)
returns void language plpgsql as $$
begin
execute format('create table %s (%s)', table_name, string_agg(col, ', '))
from (
select format_column(key::text, value::text) col
from json_each(jdata->0)
) sub;
execute format('insert into %s values %s', table_name, string_agg(val, ','))
from (
with lines as (
select row_number() over () rn, line
from (
select json_array_elements(jdata) line
) sub
)
select rn, format('(%s)', string_agg(value, ',')) val
from (
select rn, format('%L', trim(value::text, '"')) as value
from lines, json_each(line)
) sub
group by 1
) sub;
end $$;
测试:
select import_table('customers',
'[ "Id": 55948,
"FullName": "Full name #1",
"Address": "Address #1",
"Turnover": 120400.5,
"DateOfRegistration": "2014-02-13",
"LastModifiedAt": "2015-11-03 12:04:44" ,
"Id": 55949,
"FullName": "Full name %2",
"Address": "Address #2",
"Turnover": 120000.0,
"DateOfRegistration": "2012-12-01",
"LastModifiedAt": "2015-11-04 17:14:21" ]');
\d customers
Table "public.customers"
Column | Type | Modifiers
----------------------+-----------------------------+-----------
id | integer |
full_name | text |
address | text |
turnover | numeric |
date_of_registration | date |
last_modified_at | timestamp without time zone |
select * from customers;
id | full_name | address | turnover | date_of_registration | last_modified_at
-------+--------------+------------+----------+----------------------+---------------------
55948 | Full name #1 | Address #1 | 120400.5 | 2014-02-13 | 2015-11-03 12:04:44
55949 | Full name %2 | Address #2 | 120000.0 | 2012-12-01 | 2015-11-04 17:14:21
(2 rows)
【讨论】:
以上是关于自动创建表并从 json 文件插入数据的主要内容,如果未能解决你的问题,请参考以下文章
如何使用 ruby api 创建一个 bigquery 表并从云存储导入