https://zh.annas-archive.org/torrents
如题,解压前 26G ,解压后 458G
让 GPT 写了个脚本转到 sqlite ,看看会有多大。
脚本如下:
# -*- coding: utf-8 -*-
import sqlite3
import json
def create_table_from_jsonl(file_path, db_path):
# 连接到 SQLite 数据库
conn = sqlite3.connect(db_path)
cursor = conn.cursor()
# 读取第一行以推断表结构
with open(file_path, 'r', encoding='utf-8') as file:
first_line = file.readline()
first_record = json.loads(first_line)
columns = list(first_record.keys())
# 创建具有推断列的表
columns_definition = ", ".join([f"{col} TEXT" for col in columns])
cursor.execute(f"CREATE TABLE IF NOT EXISTS data ({columns_definition});")
conn.commit()
write_count = 0 # 写入计数器
# 插入其余数据
with open(file_path, 'r', encoding='utf-8') as file:
for line in file:
record = json.loads(line)
placeholders = ", ".join(["?"] * len(columns))
values = [json.dumps(record.get(col, None)) if isinstance(record.get(col, None), (dict, list)) else record.get(col, None) for col in columns]
# 只在值数量和列数量一致时执行插入操作
if len(values) == len(columns):
cursor.execute(f"INSERT INTO data ({', '.join(columns)}) VALUES ({placeholders});", values)
write_count += 1
print(f"这是第 {write_count} 次写入")
else:
print(f"Skipping record due to mismatched column count: {record}")
# 定期提交以保存更改并释放内存
if write_count % 1000 == 0:
conn.commit()
# 最终提交并关闭连接
conn.commit()
conn.close()
# 上传的 JSONL 文件路径
file_path = '/mnt/data/sample.jsonl'
# SQLite 数据库文件路径
db_path = '/mnt/data/sample.db'
# 创建表并插入数据
create_table_from_jsonl(file_path, db_path)
print("数据已成功写入 SQLite 数据库。")
ps V 站这个 markdown 没有语法高亮的么……
这是一个专为移动设备优化的页面(即为了让你能够在 Google 搜索结果里秒开这个页面),如果你希望参与 V2EX 社区的讨论,你可以继续到 V2EX 上打开本讨论主题的完整版本。
V2EX 是创意工作者们的社区,是一个分享自己正在做的有趣事物、交流想法,可以遇见新朋友甚至新机会的地方。
V2EX is a community of developers, designers and creative people.