比较csv文件中数据差异-创新互联
csv文件存储数据时在结构上基本和一个数据库表相当，不过因为读写方便，所以使用频率很高，例如输出一些临时结果，或者持续记录类似日志形式的数据。不过，当需要对这些数据进一步处理时，如果还要先导入数据库，那么csv本身的便利性也就没有了。
事实上，通过集算器，可以直接对csv文件进行处理，而且还可以进行一些“高级”操作，就像本文要介绍的比较两个csv文件的差异。
假设在一个简单的销售系统中，前端系统只负责录入，包括新增、修改和删除订单，同时，每天会把数据文件做一次备份归档。在后期分析中，需要查看某个时间段内的新增、取消和修改的订单。下面就是不使用数据库，直接比较csv文件的操作。
例子中使用了2015年3月的两个文件，早一点的是old.csv，晚一点的是new.csv。文件中的逻辑主键是userName和date，需要分别找出新增的、删除的、修改的数据行。源文件如下：
| Old.csv | New.csv | |
1 2 3 4 5 6 7 8 9 | userName,date,saleValue,saleCount Rachel,2015-03-01,4500,9 Rachel,2015-03-03,8700,4 Tom,2015-03-02,3000,8 Tom,2015-03-03,5000,7 Tom,2015-03-04,6000,12 John,2015-03-02,4000,3 John,2015-03-02,4300,9 John,2015-03-04,4800,4 | userName,date,saleValue,saleCount Rachel,2015-03-01,4500,9 Rachel,2015-03-02,5000,5 Ashley,2015-03-01,6000,5 Rachel,2015-03-03,11700,4 Tom,2015-03-03,5000,7 Tom,2015-03-04,6000,12 John,2015-03-02,4000,3 John,2015-03-02,4300,9 John,2015-03-04,4800,4 |
直接观察数据，可以看到new.csv中的第2、3行是新增的记录，第4行是修改的记录，old.csv中第3行是删除的记录。
集算器代码如下：
| A | B | |
| 1 | =file("d:\\old.csv").import@t(;,",") | =file("d:\\new.csv").import@t(;,",") |
| 2 | =A1.sort(userName,date) | =B1.sort(userName,date) |
| 3 | =new=[B2,A2].merge@d(userName,date) | |
| 4 | =delete=[A2,B2].merge@d(userName,date) | |
| 5 | =diff=[B2,A2].merge@d(userName,date,saleValue,saleCount) | |
| 6 | =update=[A5,new].merge@d(userName,date) | return update |
A1,B1：以逗号为分隔符读入文件。
A2,B2：将数据按照关键字排序。因为后面使用merge函数要求数据有序。
A3：函数merge可进行多数据集归并，使用选项@d表示归并时找出差集。类似地还有并集选项@u，交集选项@i。新增记录实际上就是较新的数据和较旧数据按关键字的差集，计算结果如下：
A4：同样的，较旧数据和较新数据按关键字的差集就是删除的记录，计算结果如下：
A5：将关键字作为普通字段计算差集，找到修改过的所有记录。计算结果如下：
A6：要计算更新的记录，把A5作为中间计算结果，计算A5和“新增”记录之间的差集。计算结果如下：
B6：将A6返回给JAVA或报表工具。
上述脚本完成了所有的数据处理工作，接下来还可以通过JDBC将集算器脚本集成在JAVA里。JAVA代码如下：
//建立esProc jdbc连接
Class.forName("com.esproc.jdbc.InternalDriver");
con= DriverManager.getConnection("jdbc:esproc:local://");
//调用esProc，其中test是脚本文件名，可接收参数
st =(com.esproc.jdbc.InternalCStatement)con.prepareCall("call test()");
com.esproc.jdbc.InternalCStatement st = (com.esproc.jdbc.InternalCStatement)con.prepareCall("call test()");
st.execute();//执行esProc存储过程
ResultSet set = st.getResultSet();//获得计算结果
而如果要将多个数据集返回给JAVA，可以将B6的代码改为：return new,delete,update。
另外有需要云服务器可以了解下创新互联scvps.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。
名称栏目：比较csv文件中数据差异-创新互联
浏览地址：http://hbruida.cn/article/pdscc.html
