如何将 JSON, Text, XML, CSV 数据文件导入 MySQL

文/freenik

将外部数据导入(import)数据库是在数据库应用中一个很常见的需求。其实这就是在数据的管理和操做中的ETL (Extract, transform, load)的L (Load)部分，也就是说，将特定结构(structure)或者格式(format)的数据导入某个目的地(好比数据库，这里咱们讨论MySQL)。

本文要讨论的内容，是如何方便地将多种格式(JSON, Text, XML, CSV)的数据导入MySQL之中。

本文大纲：

1. 将Text文件（包括CSV文件）导入MySQL

2. 将XML文件导入MySQL

3. 将JSON文件导入MySQL

4. 使用MySQL workbench的Table Data Export and Import Wizard进行JSON或CSV文件的导入导出

1. 将Text文件（包括CSV文件）导入MySQL

这里咱们的讨论是基于一个假定，Text file和CSV file是有着比较规范的格式的(properly formatted)，好比说每行的每一个数据域(field)之间是由一个共同的分隔符（好比tab: \t）分隔的。

那么首先，你须要根据你的数据的格式（有哪些域），来设计好数据库的对应的表 （的Schema）。

举个例子，要处理的Text文件或者CSV文件是以\t做为分隔符的，每行有id, name, balance这么三个数据域，那么首先咱们须要在数据库中建立这个表：

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

建立成功之后就能够导入了。操做方式很简单：

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

这里要注意的是，咱们须要开启local-infile这个MySQL的配置参数，才可以成功导入。究其缘由，从MySQL的Manual中能够看到这么一段话：

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”.

这是MySQL出于安全考虑的默认配置。所以，咱们须要在配置文件my.cnf中（以Debian发行版的Linux, 如Ubuntu为例， 便是在/etc/my.cnf中），确保：

local-infile=1

抑或是在命令行启动MySQL时加上--local-infile这一项：

mysql --local-infile -uroot -pyourpwd yourdbname

此外，咱们也可使用MySQL的一个官方导入程序 mysqlimport，这个程序本质上就是为LOAD DATA FILE提供了一个命令行的interface，很容易理解，咱们这里就再也不详述。

2. 将XML文件导入MySQL

这件事的完成方式，与咱们的XML的形式有着很大的关系。

举个例子说，当你的XML数据文件有着很很是规范的格式，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" .../>

咱们就能够很方便使用LOAD XML来导入，这里能够参见MySQL的官方手册--LOAD XML Syntax。

然而咱们可能有另一些需求，好比说，咱们可能会想要将XML文件的域映射到不一样名字的列(TABLE COLUMN)之中。这里要注意，MySQL v5.0.7之后，MySQL的Stored Procedure中不能再运行LOAD XML INFILE 或者LOAD DATA INFILE。因此转换的程序(procedure)的编写方式与在此以前有所不一样。这里，咱们须要使用 Load_File()和ExtractValue()这两个函数。

如下是一个示例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，使用它进行导入：

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

程序至关的直白，只要了解一下MySQL的脚本编写便可。

这里提一下DELIMITER $$。咱们知道MySQL的命令分隔符默认为分号，然而脚本中很显然是有分号的，可是咱们并不但愿当即执行，因此咱们须要临时更改分隔符。

3. 将JSON文件导入MySQL

如何将JSON文件导入MySQL中，是一个颇有趣的话题。JSON是一种如今至关经常使用的文件结构，因此掌握它的导入具备比较普遍的意义。

不少时候，咱们处理的JSON数据是以以下形式出现的：

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

而并非规整的[{},{},{},{}]（一些NoSQL数据库的Export）。

这样的形势对于载入有一个好处：由于每一行是一个JSON Object，因此咱们即可以按行处理此文件，而不须要由于JSON的严格结构将整个文件（好比一个许多G的.json文件）所有载入。

方式一 使用common-schema

common-schema是一个应用很普遍的MySQL的框架，它有着很丰富的功能和详细的文档。咱们可使用它的JSON解析的功能。（它还具备JSON转换成XML等等方便的功能）

具体说来，将common-schema导入以后，使用它的extract_json_value函数便可。源码中：

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

该函数接受两个参数，一个是json_text，表示json文件的内容，另外一个是xpath，表示数据的结构（这里能够类比XML文件的处理）。不少读者应该知道，XPath是用来对XML中的元素进行定位的，这里也能够做同样的理解。

以本段开始的几行JSON为例，这里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;

关于event_data，咱们须要先理解LOAD DATA INFILE是一个event，不一样的event type对应不一样的event data。这部分知识能够参看Event Data for Specific Event Types

若是感兴趣，能够参看其源码。参看一个受到普遍使用的项目的源码，对于自身成长是颇有益的。

固然了，咱们也能够像以前处理XML文件导入同样，本身编写程序。这里便再也不给出实例程序，有兴趣的读者能够自行编写或者跟笔者交流。

方式二 使用mysqljsonimport

这是Anders Karlsson的一个完成度很高的做品。这一份程序由C写成。它依赖于一个JSON Parser，Jansson。他们都有着比较好的维护和文档，因此使用上体验很好。

mysqljsonimport的下载在SourceForge上。具体使用参照其文档便可。

为了方便不熟悉源码安装的朋友，笔者在这里提一下安装流程和注意事项。
安装命令顺序以下：

$ 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这一步不是必要的，只要你安装的mysql的路径是系统的默认路径。很关键的，并且很容易被不熟悉的朋友忽略的是，这一个C程序要成功编译和运行，是须要MySQL的C API的，因此须要安装的依赖，除了jansson，还有libmysqlclient-dev。

jansson的安装就是简单的源码安装，libmysqlclient-dev则可使用包管理工具(好比ubuntu中使用apt-get便可；编译和安装前，建议先sudo apt-get update以免没必要要的麻烦)。

导入命令：

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

还有一个parser，做者是Kazuho，感兴趣的读者能够参看一下，他的相关博文是mysql_json - a MySQL UDF for parsing JSON ，github项目是mysql_json。

4. 使用MySQL workbench

Workbench这个工具对于许多不熟悉SQL语言或者命令行的朋友仍是很方便和友好的。利用它，能够方便地导入和导出CSV和JSON文件。

具体操做图例参见MySQL官方手册便可:Table Data Export and Import Wizard，这里再也不赘述。

总结

本文介绍了将不一样格式（JSON, Text, XML, CSV）的文件导入MySQL数据库的一些详细手段，并进行了一些分析，目的在于帮助读者扫除一些导入的障碍，理清一些概念。之因此没有讨论导出，是由于导出是一个MySQL到外的操做，是以MySQL自己为转移的，只要参考MySQL自己的机理便可。

真正对于大量数据的导入导出，须要思考的问题会不少(好比说在导入时，如何考虑Sharding)，这须要另开一篇讨论了。

谢谢阅读，欢迎指正。

---

做者:
freenik@Jianshu, SegmentFault;
VonRyan@CSDN

本文采用如下协议进行受权：自由转载-非商用-非衍生-保持署名 | Creative Commons BY-NC-ND 3.0，转载请标明做者出处，尊重原创。