Question

我必须在NodeJS中解析一个非常大的CSV文件并将其保存在一个数据库（异步操作）中，一次最多允许500个条目。由于内存限制，我必须流式传输CSV文件，并希望使用PapaParse来解析CSV文件（因为在我的情况下效果最好）。

由于PapaParse使用回调样式方法来解析Node.js流，我没有看到很容易组合高地（用于批处理和数据转换）和PapaParse。因此，我尝试使用ParseThrough流将数据写入并读取具有高地的流以进行批处理：

const csv = require('papaparse');
const fs = require('fs');
const highland = require('highland');
const { PassThrough } = require('stream');

const passThroughStream = new PassThrough({ objectMode: true });

csv.parse(fileStream, {
  step: function(row) {
    // Write data to stream
    passThroughStream.write(row.data[0]);
  },
  complete: function() {
    // Somehow "end" the stream
    passThroughStream.write(null);
  },
});

highland(passThroughStream)
  .map((data) => {
    // data transform
  })
  .batch(500)
  .map((data) => {
    // Save up to 500 entries in database (async call)
  });

显然，这不起作用，也没有做任何事情。是这样的甚至是可能的甚至更好的方法来解析非常大的CSV文件并将行保存在数据库中（最多500个批次）？

修改：使用csv包（https://www.npmjs.com/package/csv）可能会这样（fast-csv也一样）：

highland(fileStream.pipe(csv.parse()))
  .map((data) => {
    // data transform
  })
  .batch(500)
  .map((data) => {
    // Save up to 500 entries in database (async call)
  });

但遗憾的是，两种NPM软件包都无法在所有情况下正确解析CSV文件。

Answer 1

快速查看papaparse后，我决定在scramjet中实施CSV解析器。

fileStream.pipe(new scramjet.StringStream('utf-8'))
    .csvParse(options)
    .batch(500)
    .map(items => db.insertArray('some_table', items))

我希望这对你有用。：）

PapaParse和Highland

1 个答案: