Podívejte se na https://github.com/harelba/q, nástroj Pythonu pro zacházení s textem jako s databází. Ve výchozím nastavení používá k oddělování polí mezery, ale -d , mu umožní zpracovávat soubory CSV.
Případně můžete importovat soubor CSV do SQLite a poté proti němu spustit příkazy SQL. Toto je skriptovatelné, s trochou úsilí.
Existuje také csvsql (součást csvkit)!
Dokáže nejen spouštět sql na daném csv (převést jej na sqlite v pozadí), ale také převést a vložit do jedné z mnoha podporovaných SQL databází!
Zde máte příklad příkazu (také v csvsql_CDs_join.sh):
csvsql --query 'SELECT CDTitle,Location,Artist FROM CDs JOIN Artists ON CDs.ArtistID=Artists.ArtistID JOIN Locations ON CDs.LocID = Locations.LocID' "[email protected]"
ukazuje, jak spojit tři tabulky (dostupné v csv_inputs v csv_dbs_examples).
(formátování pomocí csvlook je také součástí csvkit)
Vstupy
$ csvlook csv_inputs/CDs.csv
| CDTitle | ArtistID | LocID |
| -------- | -------- | ----- |
| CDTitle1 | A1 | L1 |
| CDTitle2 | A1 | L2 |
| CDTitle3 | A2 | L1 |
| CDTitle4 | A2 | L2 |
$ csvlook csv_inputs/Artists.csv
| ArtistID | Artist |
| -------- | ------- |
| A1 | Artist1 |
| A2 | Artist2 |
$ csvlook csv_inputs/Locations.csv
| LocID | Location |
| ----- | --------- |
| L1 | Location1 |
| L2 | Location2 |
csvsql
$ csvsql --query 'SELECT CDTitle,Location,Artist FROM CDs JOIN Artists ON CDs.ArtistID=Artists.ArtistID JOIN Locations ON CDs.LocID = Locations.LocID' "[email protected]" | csvlook
Vyrábí:
| CDTitle | Location | Artist |
| -------- | --------- | ------- |
| CDTitle1 | Location1 | Artist1 |
| CDTitle2 | Location2 | Artist1 |
| CDTitle3 | Location1 | Artist2 |
| CDTitle4 | Location2 | Artist2 |