如何將 JSON, Text, XML, CSV 數據文件導入 MySQL

文/freenik

將外部數據導入(import)數據庫是在數據庫應用中一個很常見的需求。其實這就是在數據的管理和操做中的ETL (Extract, transform, load)的L (Load)部分，也就是說，將特定結構(structure)或者格式(format)的數據導入某個目的地(好比數據庫，這裏咱們討論MySQL)。

本文要討論的內容，是如何方便地將多種格式(JSON, Text, XML, CSV)的數據導入MySQL之中。

本文大綱：

1. 將Text文件（包括CSV文件）導入MySQL

2. 將XML文件導入MySQL

3. 將JSON文件導入MySQL

4. 使用MySQL workbench的Table Data Export and Import Wizard進行JSON或CSV文件的導入導出

1. 將Text文件（包括CSV文件）導入MySQL

這裏咱們的討論是基於一個假定，Text file和CSV file是有着比較規範的格式的(properly formatted)，好比說每行的每一個數據域(field)之間是由一個共同的分隔符（好比tab: \t）分隔的。

那麼首先，你須要根據你的數據的格式（有哪些域），來設計好數據庫的對應的表 （的Schema）。

舉個例子，要處理的Text文件或者CSV文件是以\t做爲分隔符的，每行有id, name, balance這麼三個數據域，那麼首先咱們須要在數據庫中建立這個表：

CREATE TABLE sometable(id INT, name VARCHAR(255), balance DECIMAL(8,4));

建立成功之後就能夠導入了。操做方式很簡單：

LOAD DATA LOCAL INFILE '你的文件路徑（如~/file.csv）'  INTO TABLE sometable FIELDS TERMINATED BY '\t' [ENCLOSED BY '"'(可選)] LINES TERMINATED BY '\n' (id, name, balance)

這裏要注意的是，咱們須要開啓local-infile這個MySQL的配置參數，纔可以成功導入。究其緣由，從MySQL的Manual中能夠看到這麼一段話：

LOCAL works only if your server and your client both have been configured to permit it. For example, if mysqld was started with --local-infile=0, LOCAL does not work. See Section 6.1.6, 「Security Issues with LOAD DATA LOCAL」.

這是MySQL出於安全考慮的默認配置。所以，咱們須要在配置文件my.cnf中（以Debian發行版的Linux, 如Ubuntu爲例， 便是在/etc/my.cnf中），確保：

local-infile=1

抑或是在命令行啓動MySQL時加上--local-infile這一項：

mysql --local-infile -uroot -pyourpwd yourdbname

此外，咱們也可使用MySQL的一個官方導入程序 mysqlimport，這個程序本質上就是爲LOAD DATA FILE提供了一個命令行的interface，很容易理解，咱們這裏就再也不詳述。

2. 將XML文件導入MySQL

這件事的完成方式，與咱們的XML的形式有着很大的關係。

舉個例子說，當你的XML數據文件有着很很是規範的格式，好比：

<?xml version="1.0"?>
  <row>
    <field name="id">1</field>
    <field name="name">Free</field>
    <field name="balance">2333.3333</field>
   </row>

  <row>
    <field name="id">2</field>
    <field name="name">Niki</field>
    <field name="balance">1289.2333</field>
  </row>

或者

<row column1="value1" column2="value2" .../>

咱們就能夠很方便使用LOAD XML來導入，這裏能夠參見MySQL的官方手冊--LOAD XML Syntax。

然而咱們可能有另一些需求，好比說，咱們可能會想要將XML文件的域映射到不一樣名字的列(TABLE COLUMN)之中。這裏要注意，MySQL v5.0.7之後，MySQL的Stored Procedure中不能再運行LOAD XML INFILE 或者LOAD DATA INFILE。因此轉換的程序(procedure)的編寫方式與在此以前有所不一樣。這裏，咱們須要使用 Load_File()和ExtractValue()這兩個函數。

如下是一個示例XML文件和程序：
文件：

<?xml version="1.0"?>
<some_list>
  <someone id="1" fname="Rob" lname="Gravelle"/>
  <someone id="2" fname="Al" lname="Bundy"/>
  <someone id="3" fname="Little" lname="Richard"/>
</some_list>

程序：

DELIMITER $$
CREATE DEFINER=`root`@`localhost` PROCEDURE `import_some_xml`(path varchar(255), node varchar(255))
BEGIN
    declare xml_content text;
    declare v_row_index int unsigned default 0;   
    declare v_row_count int unsigned;  
    declare v_xpath_row varchar(255); 
 
    set xml_content = load_file(path);
 
    -- calculate the number of row elements.   
    set v_row_count  = extractValue(xml_content, concat('count(', node, ')')); 
    
    -- loop through all the row elements    
    while v_row_index < v_row_count do                
        set v_row_index = v_row_index + 1;        
        set v_xpath_row = concat(node, '[', v_row_index, ']/@*');
        insert into applicants values (
            extractValue(xml_content, concat(v_xpath_row, '[1]')),
            extractValue(xml_content, concat(v_xpath_row, '[2]')),
            extractValue(xml_content, concat(v_xpath_row, '[3]'))
        );
    end while;
END

在MySQL中，使用它進行導入：

call import_some_xml('你的XML文件路徑', '/some_list/someone');

程序至關的直白，只要瞭解一下MySQL的腳本編寫便可。

這裏提一下DELIMITER $$。咱們知道MySQL的命令分隔符默認爲分號，然而腳本中很顯然是有分號的，可是咱們並不但願當即執行，因此咱們須要臨時更改分隔符。

3. 將JSON文件導入MySQL

如何將JSON文件導入MySQL中，是一個頗有趣的話題。JSON是一種如今至關經常使用的文件結構，因此掌握它的導入具備比較普遍的意義。

不少時候，咱們處理的JSON數據是以以下形式出現的：

{"name":"Julia","gender":"female"}
{"name":"Alice","gender":"female"}
{"name":"Bob","gender":"male"}
{"name":"Julian","gender":"male"}

而並非規整的[{},{},{},{}]（一些NoSQL數據庫的Export）。

這樣的形勢對於載入有一個好處：由於每一行是一個JSON Object，因此咱們即可以按行處理此文件，而不須要由於JSON的嚴格結構將整個文件（好比一個許多G的.json文件）所有載入。

方式一 使用common-schema

common-schema是一個應用很普遍的MySQL的框架，它有着很豐富的功能和詳細的文檔。咱們可使用它的JSON解析的功能。（它還具備JSON轉換成XML等等方便的功能）

具體說來，將common-schema導入以後，使用它的extract_json_value函數便可。源碼中：

create function extract_json_value(
    json_text text charset utf8,
    xpath text charset utf8
) returns text charset utf8

該函數接受兩個參數，一個是json_text，表示json文件的內容，另外一個是xpath，表示數據的結構（這裏能夠類比XML文件的處理）。不少讀者應該知道，XPath是用來對XML中的元素進行定位的，這裏也能夠做同樣的理解。

以本段開始的幾行JSON爲例，這裏common-schema的使用以下例：

select common_schema.extract_json_value(f.event_data,'/name') as name, common_schema.extract_json_value(f.event_data,'/gender') as gender, sum(f.event_count) as event_count from json_event_fact f group by name, gender;

關於event_data，咱們須要先理解LOAD DATA INFILE是一個event，不一樣的event type對應不一樣的event data。這部分知識能夠參看Event Data for Specific Event Types

若是感興趣，能夠參看其源碼。參看一個受到普遍使用的項目的源碼，對於自身成長是頗有益的。

固然了，咱們也能夠像以前處理XML文件導入同樣，本身編寫程序。這裏便再也不給出實例程序，有興趣的讀者能夠自行編寫或者跟筆者交流。

方式二 使用mysqljsonimport

這是Anders Karlsson的一個完成度很高的做品。這一份程序由C寫成。它依賴於一個JSON Parser，Jansson。他們都有着比較好的維護和文檔，因此使用上體驗很好。

mysqljsonimport的下載在SourceForge上。具體使用參照其文檔便可。

爲了方便不熟悉源碼安裝的朋友，筆者在這裏提一下安裝流程和注意事項。
安裝命令順序以下：

$ wget http://sourceforge.net/projects/mysqljson/files/myjsonimport_1.6/mysqljsonimport-1.6.tar.gz 
$ tar xvfz mysqljsonimport-1.6.tar.gz 
$ cd mysqljsonimport-1.6 
$ ./configure –-with-mysql=/xxx/mysql 
$ make
$ make check 
$ sudo make install

--with-mysql這一步不是必要的，只要你安裝的mysql的路徑是系統的默認路徑。很關鍵的，並且很容易被不熟悉的朋友忽略的是，這一個C程序要成功編譯和運行，是須要MySQL的C API的，因此須要安裝的依賴，除了jansson，還有libmysqlclient-dev。

jansson的安裝就是簡單的源碼安裝，libmysqlclient-dev則可使用包管理工具(好比ubuntu中使用apt-get便可；編譯和安裝前，建議先sudo apt-get update以免沒必要要的麻煩)。

導入命令：

$ ./mysqljsonimport –-database test –-table tablename jsonfilename

還有一個parser，做者是Kazuho，感興趣的讀者能夠參看一下，他的相關博文是mysql_json - a MySQL UDF for parsing JSON ，github項目是mysql_json。

4. 使用MySQL workbench

Workbench這個工具對於許多不熟悉SQL語言或者命令行的朋友仍是很方便和友好的。利用它，能夠方便地導入和導出CSV和JSON文件。

具體操做圖例參見MySQL官方手冊便可:Table Data Export and Import Wizard，這裏再也不贅述。

總結

本文介紹了將不一樣格式（JSON, Text, XML, CSV）的文件導入MySQL數據庫的一些詳細手段，並進行了一些分析，目的在於幫助讀者掃除一些導入的障礙，理清一些概念。之因此沒有討論導出，是由於導出是一個MySQL到外的操做，是以MySQL自己爲轉移的，只要參考MySQL自己的機理便可。

真正對於大量數據的導入導出，須要思考的問題會不少(好比說在導入時，如何考慮Sharding)，這須要另開一篇討論了。

謝謝閱讀，歡迎指正。

---

做者:
freenik@Jianshu, SegmentFault;
VonRyan@CSDN

本文采用如下協議進行受權：自由轉載-非商用-非衍生-保持署名 | Creative Commons BY-NC-ND 3.0，轉載請標明做者出處，尊重原創。