1. CSV文件格式是什麼
CSV有時也稱爲字符分隔值,因爲分隔字符也可以不是逗號),其文件以純文本形式存儲表格數據(數字和文本)。純文本意味着該文件是一個字符序列,不含必須像二進制數字那樣被解讀的數據。CSV文件由任意數目的記錄組成,記錄間以某種換行符分隔;每條記錄由字段組成,字段間的分隔符是其它字符或字符串,最常見的是逗號或製表符。通常,所有記錄都有完全相同的字段序列。
Elixir有好幾個CSV處理的庫(cesso, csv, csvlixir, ex_csv), beatrichartz/cvs寫得特別好,用了stream, test coverage(100%),而且有benchmark.
mix new csv_play
cd csv_play
emacs mix.exs
defp deps do [{:csv, "~> 1.2.0"}, {:faker, "~>0.5.1"} ] end
2. Faker測試數據
faker用來假造一些測試數據,接下來我們搞一個腳本生成csv數據
mix deps.get
mkdir scripts
emacs scripts/generate_csv_data.exs
Faker.start count = 10_000 headers = ~w(name company city) data = 1..count |> Enum.map(fn(_) -> [Faker.Name.first_name <> Faker.Name.last_name, Faker.Company.name, Faker.Address.city] end) file = File.open!("sample_data.csv", [:write]) [headers | data] |> CSV.encode |> Enum.each(&IO.write(file, &1)) :ok = File.close(file)
mix run scripts/generate_csv_data.exs
3.CSV decode示例
我們來測試一下csv的header讀得是否正確
mkdir test/data/ mv sample_data.csv test/data/
emacs test/csv_play_test.exs
defmodule CsvPlayTest do use ExUnit.Case @data_path "test/data/sample_data.csv" test "reading CSV as a list" do list = @data_path |> File.stream! |> CSV.decode |> Enum.to_list assert hd(list) == ["name", "company", "city"] end end
通常我們的cvs數據量都是非常大的,所以我們使用stream一塊一塊的來處理成map。
test "reading CSV as a map" do list = @data_path |> File.stream! |> CSV.decode(headers: true) |> Enum.to_list sorted_keys = list |> hd |> Map.keys |> Enum.sort assert sorted_keys == Enum.sort(["name", "company", "city"]) end
當然你CSV decode時還可以指定分割符是什麼(默認就是上面這種形式的逗號)
CSV.decode(separator: ?\t)
Resources
2. igas/faker
How I felt when I understood Elixir error messages for the first time