Bash：Base64在非常大的.csv中编码1列，并输出到新文件

我试过使用下面的代码，但csv文件有超过8000万行（大约25GB），并且一些特殊字符似乎中断回声命令。 csv有2列用逗号分隔。例如：Bash：Base64在非常大的.csv中编码1列，并输出到新文件

blah, blah2 
data1,data2 
line3,fd$$#$%T%^Y%&$$B 
somedata,%^&%^&%^&^

的目标是采取第二列和Base64是要准备好导入到SQL数据库。我在第二列做了base64编码，所以有unicode支持等，没有字符会损坏分贝。我正在寻找这样做的更有效的方式，不会对特殊字符等打破

awk -F "," ' 
    { 
     "echo "$2" | base64" | getline x 
     print $1, x 
    } 
' OFS=',' input.csv > base64.csv

错误：

sh: 1: Syntax error: word unexpected (expecting ")") : 
not foundrf : 
not found201054 : 
not foundth : 
not foundz09 
| base64' (Too many open files)ut.csv FNR=1078) fatal: cannot open pipe `echo q1w2e3r4

来源

2017-11-03 illwill

另一个问题，我发现是第二列可能包含数据中的逗号。无论如何解决？ – illwill

的问题是，你不报价参数到awk脚本中的echo。

但是没有必要为此使用awk，bash可以直接解析文件。

IFS=, while read -r col1 col2 
do 
    base64=$(base64 <<<"$col2") 
    echo "$col1, $base64" 
done <input.csv> base64.csv

来源

2017-11-03 21:57:06 Barmar

获取错误：./base64.sh：第2行：while：命令未找到 ./ base64.sh：第3行：意外标记'do'附近的语法错误 ./base64.sh：第3行：'do' – illwill

我想不出为什么它无法找到'while'命令，它是一个内置命令。 – Barmar

当我搜索其他错误的例子时，他们总是由于某种错字。 – Barmar

The goal is to take that second column and base64

随着awkgetline功能：

awk -F',[[:space:]]*' '{ cmd="echo \042"$2"\042 | base64"; cmd | getline v; 
     close(cmd); print $1","v }' input.csv > base64.csv

的base64.csv内容（当前输入）：

blah,YmxhaDIK 
data1,ZGF0YTIK 
line3,ZmQyNzMwOCMkJVQlXlklJjI3MzA4Qgo= 
somedata,JV4mJV4mJV4mXgo=

来源

2017-11-03 22:02:01 RomanPerekhrest

我不清楚输出是col1，col2要输出为col1，base64col2。 youres只输出base64的第二列 – illwill

@illwill，看我的更新 – RomanPerekhrest

尝试这样的事情在你的MySQL命令 - 在线客户端：

LOAD DATA LOCAL '/tmp/filename.txt' INTO TABLE tbl FIELDS TERMINATED BY ','

如果需要，您可以重新排序字段，如果你需要删除特殊字符，连接字符串，转换日期格式等，如果你还是真的需要base64相互转换时，MySQL版本5.6及更高版本适用于特殊的表达一个本地函数（TO_BASE64()），而有一个旧的UDF。请参阅base64 encode in MySQL

但是，只要您的列没有逗号，LOAD DATA INFILE就能够处理它，并且您可以通过避免转换来节省一些磁盘空间。

有关如何使用LOAD DATA INFILE的详细信息，请参阅MySQL手册：https://dev.mysql.com/doc/refman/5.7/en/load-data.html

您将需要为使用LOAD权限的用户到MySQL认证，并启用local-infile选项（例如，通过对过往--local-infile=1命令行。

来源

2017-11-03 22:04:40

这对于输入和转换尽可能多的开销等大数据集有多大作用 – illwill

开销大约是尽可能低，你可能没有用C编写自己定制的输入转换器。实际上，除非它非常复杂，否则几乎无法在基准测试中进行测量。在实现自己定制的低级别表空间导入器时，您无法用其他任何东西来打败它。 –

Bash：Base64在非常大的.csv中编码1列，并输出到新文件

回答

相关问题