比较 csv 文件中数据差异

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：

         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：

         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。