q命令-用SQL分析文本文件

简介#

在Linux上分析文本文件时，一般会使用到grep、sed、awk、sort、uniq等命令，但这些命令都有一定的学习成本，而如果是用SQL来分析数据的话，这对广大后端程序员来说，就要简单很多了。

而q命令就是这样一款工具，可以在空白、逗号分隔的文本文件上执行SQL运算，非常方便。

安装#

# ubuntu下安装
$ sudo apt install python3-q-text-as-data

# centos下可下载安装包安装
$ wget https://github.com/harelba/q/releases/download/v3.1.6/q-text-as-data-3.1.6.x86_64.rpm
$ rpm -Uvh q-text-as-data-3.1.6.x86_64.rpm

如果是其它Linux发行版，可以参考官网安装文档：http://harelba.github.io/q/#installation。

常见用法#

分析空白分隔文件#

默认情况下，q将文本文件中每一行当作一条数据，使用空白作为字段分隔符。

假设有如下学生列表，要查询出大于16岁的学生的id与姓名，如下：

$ cat students.txt
id name age sex
1 person1 15 0
2 person2 15 0
3 person3 16 0
4 person4 16 0
5 person5 16 0
6 person6 17 1
7 person7 17 1
8 person8 17 1
9 person9 18 1
10 person10 18 1

# 查询出大于16岁的学生的id与姓名
# -H : 告知q命令第一行是标题行
$ q -H 'select id,name from students.txt where age>16'
6 person6
7 person7
8 person8
9 person9
10 person10

# -O可使输出结果中带有标题
$ q -H -O 'select id,name from students.txt where age>16'
id name
6 person6
7 person7
8 person8
9 person9
10 person10

如果文件中没有标题行的话，可使用c1、c2、c3...来引用字段，如下：

$ cat students.txt
1 person1 15 0
2 person2 15 0
3 person3 16 0
4 person4 16 0
5 person5 16 0
6 person6 17 1
7 person7 17 1
8 person8 17 1
9 person9 18 1
10 person10 18 1

# 查询出大于16岁的学生的id与姓名
$ q 'select c1,c2 from students.txt where c3>16'
6 person6
7 person7
8 person8
9 person9
10 person10

从标准输入读取数据#

q命令也可直接从标准输入中读取数据，使用-作为表名即可，如下：

$ cat students.txt | q -H -O 'select * from - limit 2'
id name age sex
1 person1 15 0
2 person2 15 0

分析csv文件#

q命令默认使用空白作为分隔符，但也可以通过-d指定分隔符，这样可以很容易地分析csv文件(,分隔)或tsv文件(\t分隔)，如下：

$ cat students.csv
id,name,age,sex
1,person1,15,0
2,person2,15,0
3,person3,16,0
4,person4,16,0
5,person5,16,0
6,person6,17,1
7,person7,17,1
8,person8,17,1
9,person9,18,1
10,person10,18,1

# -d : 指定分隔符
$ q -H -d, 'select count(*) from students.csv where age>16'
5

q命令还可以自动识别文件中的双引号"，这使得字段值中带有逗号的场景也可以很容易处理，如下：

$ cat students.csv
id,name,age,sex
1,"person,lisi",15,0
2,"person,wangwu",15,0
3,person3,16,0
4,person4,16,0
5,person5,16,0
6,person6,17,1
7,person7,17,1
8,person8,17,1
9,person9,18,1
10,person10,18,1

# q命令可自动将引号内数据读取成一个字段
$ q -H -d, 'select * from students.csv where age=15'
1,"person,lisi",15,0
2,"person,wangwu",15,0

# awk没有这种机制，字段引用错位，导致查不到数据
$ awk -F, '$3==15{print $0}' students.csv

q命令也可以很容易地处理最后一列带分隔符的场景，如下：

# ps输出的最后一列COMMAND带有空格
$ ps 1
    PID TTY      STAT   TIME COMMAND
      1 ?        Ss     1:28 /sbin/init auto noprompt text

# 如果用awk，会发现漏掉了空格后的部分
$ ps 1 | awk '{print $5}'
COMMAND
/sbin/init

# q命令可使用-c 5指定列数量，这样最后一列就完整查出来了
$ ps 1 | q -H -O -c 5 'select COMMAND from -'
COMMAND
"/sbin/init auto noprompt text"

多文件关联查询#

SQL中最强大的关联查询，q命令也是可以支持的，如下：

$ cat user.txt
id name
1 zhangsan
2 lisi
3 wangwu
4 pangliu

$ cat score.txt
id score
1 86
2 57
3 92

$ q -H 'select u.id,u.name,s.score from user.txt u left join score.txt s on u.id=s.id'
1 zhangsan 86
2 lisi 57
3 wangwu 92
4 pangliu

其它#

q命令使用了SQLite这个嵌入式数据库，运行过程中，q命令会在SQLite中创建临时数据库与表，并将文本数据插入到临时表中，然后SQL语句直接执行在这个临时表上。

所以理论上，只要是SQLite支持的SQL语法，q命令也支持。

可以通过-A查看临时表的表结构，如下：

# 仅查看表结构，SQL实际不会执行
$ q -H -d, -A 'select * from students.csv'
Table for file: students.csv
  `id` - int
  `name` - text
  `age` - int
  `sex` - int

可以发现，id、age与sex字段都是int类型，这是q命令自动从文本数据中分析出来的。