MongoDB 如何导出 csv文件

原创 于 2021-08-17 10:35:08 发布 · 1.5k 阅读 · 0 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
收录于
JAVA计算

当前文章被收录于：

JAVA计算
363 篇文章 2 人学习

探讨Java数据计算相关技术，发布与之相关的技术文章与见解，欢迎关注

订阅专栏 查看详情
本文介绍了如何使用集算器esProc SPL将MongoDB的非结构化数据转换并导出为CSV文件，适用于数据迁移或其他数据库应用。通过示例展示了处理包含嵌套子文档的成绩数据表，最终成功生成CSV文件。

将非结构化的 MongoDB 数据转换成结构化的数据，导出成 csv 文件，可供迁移到其它数据库等应用。
如有集合 scores 成绩数据表，含有 subject 嵌套子文档记录各科成绩表，需导出生成 csv 文件。

nameageprovincesubject
zhou gao gao24guang xi{"name": "Chinese","score": 80},
{"name": "Math","score": 84},{"name": "English","score": 84},{"name": "Chemic","score": 98}
li chao16shan dong{"name": "Chinese","score": 94},
{"name": "Math","score": 88},{"name": "English","score": 75},{"name": "Chemic","score": 73}
yang hao hao26guang xi{"name": "Chinese,"score": 85},
{"name": "Math,"score": 83},{"name": "English ,"score": 64},{"name": "Chemic,"score": 71}
………

使用集算器, 将数据结构化后导出成 csv 文件。

实现步骤：
1、编写脚本 scores.dfx：

AB
1=mongo_open("mongodb://localhost:27017/student")/ 连接 MongDB 数据库
2=mongo_shell(A1,"score2.find(,{_id:0})").fetch()/ 获取集合 score 数据
3=A2.new(name, age, province, (r=subject.(score))(1): Chinese,r(2): English,r(3): Math, r(4): Chemic)/ 数据结构化，每科成绩变成一列
4>file("D:\\tmp\\exp_data.csv").export@tc(A3)/ 导出生成 cvs 文件
5=A2.news(subject; name:subject, score, A2.name, age, province)/ 数据结构化, 科目成绩对应
6>file("D:\\tmp\\exp_data2.csv").export@tc(A5)/ 导出生成 cvs 文件
7>A1.close()/ 关闭连接

2、调试执行一下，可看到格值 A3 为：

nameageprovinceChineseEnglishMathChemic
zhou gao gao24guang xi8084248
li chao16shan dong94245032
yang hao hao26guang xi44112680
………

格值 A6 为：

subjectscorenameageprovince
Chinese80zhou gao gao24guang xi
Math84zhou gao gao24guang xi
English24zhou gao gao24guang xi
………

3、执行脚本后在：D:\tmp 目录下生成两个相应的 csv 文件

A5 由于科目 subject 下的名称与用户名称同名，将科目的名称改为 subject。

标签
#esProc #SPL #mongodb #java #数据分析
博客
全链ChatBI不止Text2SQL，还有Text多维分析
07-06 250
如今，“用大白话分析数据”成了 BI 领域的热门趋势。但市面上许多“chatBI”方案，能力往往止步于 Text2SQL——也就是听懂一句话、查出一张表。比如你说“展示华东区上季度销售”，它能返回数据，这当然有用，可真正的分析才刚刚开始：怎么算增长、怎么排名次、怎么看趋势……这些关键步骤，依然需要回到传统界面去拖拽设置。为什么会这样？因为，对大多数基于 LLM 的 ChatBI 方案而言，，还顾不上琢磨后半截。
博客
这款 Text2SQL 技术为什么能对噩梦般的 JOIN 免疫
07-03 263
在 Text2SQL 领域，JOIN 一直是个“终极考场”。不少方案宣称在公开测试集上能达到 90% 以上的惊人准确率，但背后往往存在一个关键“水分”：许多测试是在预先做好的上进行的，规避了真实的、动态的多表关联挑战。一旦面对企业真实的、网状交织的数据环境，需要系统动态识别关联路径并生成正确的 JOIN 时，准确率便会经历“高台跳水”。在 Spider 这类标准多表数据集上，先进大语言模型（LLM）方案的通常在 60%-82% 之间，而且需要投入极高成本。其中错误多集中在 JOIN 遗漏、关联错误等环节。
博客
AI coding 不仅有代码，Copliot 拓展至报表开发
07-02 181
在软件开发领域，程序员的职责不仅限于代码编程任务，报表开发同样是一项关键且耗时的工作。对于代码开发，程序员现在借助 Copilot 等 AI 工具已能大幅提升效率，然而，报表开发与代码编程存在显著差异——它融合了数据提取逻辑、布局格式以及多维度展示规则，经常要使用专门的工具来开发，通用大语言模型（LLM）由于缺乏针对报表结构与布局的专业训练，难以高效应对此类任务，报表开发领域的 AI 支持仍有明显的空白现在好了，润乾报表 Copilot 提供了创新解决方案，填补了这一空白，与基于 LLM 架构的工具不同，它
博客
ChatBI 应该这么玩，中小用户才是主战场
07-01 183
聊到 ChatBI，很多人的第一反应往往是“百亿参数大语言模型（LLM）”、“动辄上百万的智能项目”。行业的热烈讨论，制造了一种错觉：这项能力是财力雄厚、技术栈成熟的大型企业的专属品。
博客
AI 编程时代，报表工程师也该有专属 Copilot
06-30 228
夜里十一点，办公区只剩下报表团队的灯还亮着，屏幕上排满了各种复杂表格与冗长 SQL 语句，报表工程师们仍紧锁眉头，埋头制作着一个个报表而仅一墙之隔的开发团队区域，早已人去灯熄，曾经常年加班、被称为“公司守夜人”的他们，自从用上 AI 编程助手后，不仅效率翻倍，下班时间也变得越来越早只有报表团队的键盘声，在寂静的夜里显得格外清晰“如果报表开发也有 AI 助手就好了，”这个念头不止一次出现在报表工程师们的脑海中。
博客
AI 时代，这款能听懂人话的自助报表值得集成
06-25 221
在企业软件项目中，“报表需求”是个绕不开的话题，也常常是消耗项目利润的主要部分。客户业务不断变化，分析视角也随之调整，今天想看按地区的汇总，明天可能要按产品线细分，后天又需要对比同期数据。这些看似合理的需求，落到软件厂商的开发团队身上，就是一次次的数据查询、接口开发和界面调整。为此，许多厂商考虑引入自助报表或 BI 工具来应对。但常见的 BI 类自助报表方案通常作为独立的重型系统，需要复杂的数据同步和用户体系对接，集成繁琐而且成本高昂。而且，这些工具的操作逻辑对用户而言仍有学习门槛，应用不太方便。
博客
Copilot 真香，AI 编程趋势下的报表开发标配
06-24 201
当整个软件开发领域都在热议 AI 编程助手带来的效率革命，感慨 Copilot 真香时，报表开发这一细分领域却始终没有自己的 Copilot。
博客
另辟蹊径做 ChatBI，不用大模型也能实现智能问数分析
06-23 329
通过以上分析，业务人员可以快速回答以下问题：去年北京发往青岛的订单中，哪些产品类别销售额最高？占比如何？每个产品类别下，哪些供应商贡献最大？哪些客户是订单中的大客户？（客户 X 排名第一）大额订单主要集中在哪些类别和供应商？（可筛选后查看）供应商在不同类别中的表现差异？（交叉表一目了然）整个过程都可以自然语言驱动，无需编写公式或拖拽控件，且所有计算基于规则引擎，结果精确、可解释。业务人员只需像与助手对话一样，逐步深入，就能从原始订单数据中提炼出有价值的业务洞察。
博客
人人都能实施的智能问数，中小用户也能用得起的 ChatBI
06-22 193
AI 时代，到处都在说“智能问数”，用大白话直接问，数据就给你整得明明白白。理想很美好，可真要一探究竟，大家心里就打了鼓：这玩意儿是不是得养个 AI 科学家团队？是不是得买几十上百万的 GPU 服务器？查出来的数要是不准，谁敢拿来做决策？别急，润乾 ChatBI 带来了一条不同的路——一条让中小企业、普通开发团队都能轻松上车、用得安心、花得明白的路。不依赖“黑盒”大模型去猜，而是用一套清晰的“规则翻译官”，把业务问题精准无误地转换成数据库能听懂的指令，还能进一步指挥报表完成深度分析。
博客
没有 GPU 不用 LLM 能把 ChatBI 做到什么程度？
06-18 358
组合规则：“发货 城市 日期”应被识别为一个整体（字段簇），返回“发货城市”和“发货日期”两个字段。消除歧义：当“日期”单独出现时，默认指向“签单日期”；但在“发货 日期”上下文中，则明确指向“发货日期”。逻辑连接：“且”、“或”定义了多个过滤条件之间的布尔关系。分析指令格式：“表头 产品类别，订单金额求和”表示分组汇总；“订单金额 降序排名 命名为排名”表示计算排名；“柱形图 分类 省份 系列 订单金额”表示生成图表。这个“词典”加“语法”的体系，构成了一个确定性的、可解释的编译系统。
博客
引入 Copilot，AI 时代的报表开发新范式
06-17 271
AI 时代，软件开发相关工作正被全面重塑——从理解意图、自动生成代码，到补全逻辑、辅助调试错误、自动编写测试用例，AI 已深度融入开发的每一个环节，推动整个领域经历前所未有的生产力重构然而，在这场重构的浪潮中，报表开发，这一同样属于技术人员的开发环节，却像一个被遗忘的孤岛，迟迟未能迎来自己的智能时刻。
博客
街上 BI 满天飞，能帮你打动客户赚钱的大概只有它
06-15 203
对于应用软件开发商来说，给客户提供一套报表分析功能，从来都不是件轻松的事。客户的需求三天两头变：今天要按地区汇总，明天要按产品细分，后天又得对比同期数据。落到开发团队头上，就是一次次定制开发，项目利润就这样一点点被蚕食。为了摆脱这种困境，很多开发商尝试引入现成的 BI 工具。但市面上的 BI 产品，大多是给大企业准备的“重型武器”：独立部署、专门运维。想把它塞进自己的系统里，得先解决用户体系对接、数据同步、界面整合等一系列问题，麻烦得要死。更现实的问题是价格。一套像样的 BI 工具，动辄几十万起步。
博客
软件竞争力 += 润乾 ChatBI，当竞品还在用传统 BI，你已经赢了
06-12 166
现在的软件市场，早已过了“拼功能清单”的时代。你有的报表，我也有；你能拖拽，我也能；你的图表库，我也能拿出差不多的。最后大家陷入同质化泥潭，客户比来比去只能压价，利润越压越薄。出路在哪里？必须给产品增加新的、能打动人心的竞争力。AI 时代最能提升用户体验、制造产品差异化的，就是，让用户用最自然的大白话，直接问数据、做报表，摆脱对技术人员的依赖。当竞品还在让客户拖拽点选、为一张新报表等上几天时，你的产品已经能“听懂人话”，秒级响应。这种体验上的代差，就是最硬的竞争力。
博客
三万随便用 +AI Copilot，报表工具从商业到技术的双重颠覆
06-11 234
当“降本增效”从可选题变为必选题，润乾报表以“三万买断”为起点，发起的不仅是一场定价颠覆，更是一套完整的成本与效率解决方案，它精准地解剖了传统报表体系的两大“出血点”——失控的采购成本与隐形的人力消耗，并提供了系统性的“止血”与“造血”方案在采购成本上，实现“可控性。
博客
润乾 BI DBD Copilot 实践体验
06-10 156
在设计 DBD 时，我们添加组件可能需要频繁地点击来完成创建组件、添加数据集、添加参数、组件基础设置等。润乾推出 DBD 版的 Copilot，支持汉语指令助力完成这些动作，用语句完成一些操作流程，提高了设计的便利性。下面就来借助此功能制作一个 Dashboard。任务描述：1，KPI 层：展示关键数据，一眼定位目标完成情况。2，问题分析层：布局动线串联对比和分析。查询联动。3，预警与机会：产品、订单的明细查询，产品排名。一、KPI 层这一层准备设计几个指标卡片：KPI：本月累计销售额 vs 目标
博客
从 GUI 到 LUI 的进化，报表工具也有了 Copilot
06-09 267
从 GUI 到 LUI，报表工具 Copilot 的问世对于个人而言：是一场人机交互方式的深度进化——它把我们从繁琐的菜单点击和公式记忆中解放出来，让做报表真正变得简单对于企业而言：是一次技术路线与成本结构的双重革新：谁能率先拥抱 LUI、率先用上 Copilot，谁就能先一步拥有 AI 制表的能力，在技术赛道上抢占先机；同时，它还能省下大量的软件采购成本和人力投入，当别人还在用旧工具堆人力的时候，你已经用更低的成本、更高的效率跑在了前面，在这场残酷的竞争中，谁先掌握这项能力，谁就赢得了主动。
博客
AI 加持下的自助报表还能这么做！
06-08 179
用 LLM 规划：一句话生成完整报表框架，再做微调即可。不用 LLM 规划：熟手可以自己分步输入命令（配合 LLM 规范降低输入门槛），同样能完成复杂报表。
博客
如何用自然语言筛选报表数据
06-05 223
上图中我们配置了deepseek的API接口地址，配置了模型为deepseek-chat模型，以及最大token量等参数，并将自己的APIKey填入deepseek.txt文档，放在WEB-INF目录下。目前汉语查询功能采用了小型的规则引擎，还不能识别非常灵活的口语命令，比如当我们使用“查询上周发货到华北的订单”等口语化描述查询数据时，规则引擎无法理解就会报错。我们的参数模板有控件雇员ID，显示值是姓名列，这里在过滤雇员ID时，显示的是姓名，实际查询时程序将为我们解析为雇员ID真实值。
博客
用 AI 编程生成 ECharts 图表并嵌入润乾报表的实践
06-04 219
数据集 SQL其中股票代码为查询参数，运行时可通过输入框动态查询各只股票数据。定义报表A1 单元格：用于配置 K 线图 (具体见下一步)A3-G3 单元格：配置股票明细数据配置 ECharts 参数标注 1：配置 K 线图所需的数据参数，股票代码（stockCode）、交易日（tradeDate）、开盘价（open）、收盘价（close）、最高价（high）、最低价（low）标注 2：润乾报表生成 ECharts 图的固定基础代码（照抄即可），其中 //
博客
三万随便用的 AI 报表工具，商务和技术双颠覆
06-03 216
当“降本增效”不再是口号，而是企业的生存线和竞争的分水岭，选择什么样的工具伙伴，便决定了 ToB 软件公司能走多远润乾报表，以“三万随便用”的商务模式，彻底斩断了随业务扩张而无限攀升的授权成本枷锁，让软件采购从“不可控的支出”回归为“清晰固定的投入”以 AI Copilot 和 AI 自助报表为代表的技术革新，将报表团队从低效、重复、被动响应的人力消耗战中彻底解放出来，让高级工程师去做更有价值的事，让初级人员也能轻松上手，让业务人员真正实现“所想即所得”
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值