使用节点对流中的列求和

Question

我的目标是计算与 csv 中另一列相关的列的总和。

例如，我有一个输入 csv，看起来像这样

"500","my.jpg"
"500","my.jpg"
"200","another.jpg"

我希望输出为：

[{ bytes: 1000, uri: "my.jpg" }, { bytes:200, "another.jpg" }]

Note: I need to do this as a stream as there can be over 3 millions records for a given csv and looping is just too slow.

我已经设法使用 awk 完成了这个，但我正在努力在节点

中实现它

这是使用 awk 命令的 bash 脚本

awk -F, 'BEGIN { print "["}
{   
    gsub(/"/, ""); # Remove all quotation from csv
    uri=; # Put the current uri in key
    a[uri]++; # Increment the count of uris
    b[uri] = b[uri] + ; # total up bytes
} 
END { 
    for (i in a) {
        printf "%s{\"uri\":\"%s\",\"count\":\"%s\",\"bytes\":\"%s\"}",
        separator, i, a[i], b[i]
        separator = ", "
    }

    print "]"
}
' ./res.csv

任何正确方向的指示将不胜感激

Answer 1

您可以尝试为您的 csv 文件创建读取流并将其通过管道传输到 csv-streamify 解析器。

const csv = require('csv-streamify')
const fs = require('fs')

const parser = csv()
const sum = {};

// emits each line as a buffer or as a string representing an array of fields
parser.on('data', function (line) {
  let key = line[1];
  let val = line[0];
  if (!sum[key]) {
    sum[key] = 0;
  }
  sum[key] = sum[key] + parseInt(val);
  console.log("Current sum for " + key + ": " + sum[key])
})

parser.on('end', function () {
  let results = Object.keys(sum)
    .map(key => ({ bytes: sum[key], uri: key }))
  console.log(results);
})

// now pipe some data into it
fs.createReadStream('./test.csv').pipe(parser)

使用您的示例数据，此示例应打印：

[ { bytes: 1000, uri: 'my.jpg' },
  { bytes: 200, uri: 'another.jpg' } ]

Answer 2

您也可以试试下面的 Perl 解决方案。

$ cat url.txt
"500","my.jpg"
"500","my.jpg"
"200","another.jpg"
"600","more.jpg"

$ perl -lne ' if(/\"(\d+)\",\"(.+?)\"/g) { $kv{}+=} ; END { print "["; for(keys %kv) { print "$s { bytes:$kv{$_} uri:\"$_\" } ";$s="," } print "]" } ' url.txt
[
 { bytes:600 uri:"more.jpg" }
, { bytes:200 uri:"another.jpg" }
, { bytes:1000 uri:"my.jpg" }
]

$

使用节点对流中的列求和

Sum column in stream using node

csv

buffer

stream

node.js