mirror of
https://github.com/catdevnull/preciazo.git
synced 2025-02-22 14:16:26 +00:00
temp
This commit is contained in:
parent
9cb7c0e27e
commit
c27daaa431
5 changed files with 379 additions and 256 deletions
BIN
sepa/bun.lockb
BIN
sepa/bun.lockb
Binary file not shown.
81
sepa/duckdb.sql
Normal file
81
sepa/duckdb.sql
Normal file
|
|
@ -0,0 +1,81 @@
|
|||
CREATE TABLE datasets (
|
||||
id INTEGER PRIMARY KEY,
|
||||
name TEXT UNIQUE,
|
||||
date DATE,
|
||||
id_comercio INTEGER
|
||||
);
|
||||
CREATE SEQUENCE seq_datasets START 1;
|
||||
|
||||
|
||||
CREATE TABLE precios (
|
||||
id_dataset INTEGER,
|
||||
id_comercio INTEGER,
|
||||
id_bandera INTEGER,
|
||||
id_sucursal INTEGER,
|
||||
id_producto BIGINT,
|
||||
productos_ean INTEGER,
|
||||
productos_descripcion TEXT,
|
||||
productos_cantidad_presentacion DECIMAL(10,2),
|
||||
productos_unidad_medida_presentacion TEXT,
|
||||
productos_marca TEXT,
|
||||
productos_precio_lista DECIMAL(10,2),
|
||||
productos_precio_referencia DECIMAL(10,2),
|
||||
productos_cantidad_referencia DECIMAL(10,2),
|
||||
productos_unidad_medida_referencia TEXT,
|
||||
productos_precio_unitario_promo1 DECIMAL(10,2),
|
||||
productos_leyenda_promo1 TEXT,
|
||||
productos_precio_unitario_promo2 DECIMAL(10,2),
|
||||
productos_leyenda_promo2 TEXT,
|
||||
FOREIGN KEY (id_dataset) REFERENCES datasets(id)
|
||||
);
|
||||
|
||||
CREATE TABLE productos_descripcion_index (
|
||||
id_producto BIGINT,
|
||||
productos_descripcion TEXT UNIQUE,
|
||||
productos_marca TEXT
|
||||
);
|
||||
|
||||
CREATE TABLE sucursales (
|
||||
id_dataset INTEGER,
|
||||
id_comercio INTEGER,
|
||||
id_bandera INTEGER,
|
||||
id_sucursal INTEGER,
|
||||
sucursales_nombre TEXT,
|
||||
sucursales_tipo TEXT,
|
||||
sucursales_calle TEXT,
|
||||
sucursales_numero TEXT,
|
||||
sucursales_latitud DECIMAL,
|
||||
sucursales_longitud DECIMAL,
|
||||
sucursales_observaciones TEXT,
|
||||
sucursales_barrio TEXT,
|
||||
sucursales_codigo_postal TEXT,
|
||||
sucursales_localidad TEXT,
|
||||
sucursales_provincia TEXT,
|
||||
sucursales_lunes_horario_atencion TEXT,
|
||||
sucursales_martes_horario_atencion TEXT,
|
||||
sucursales_miercoles_horario_atencion TEXT,
|
||||
sucursales_jueves_horario_atencion TEXT,
|
||||
sucursales_viernes_horario_atencion TEXT,
|
||||
sucursales_sabado_horario_atencion TEXT,
|
||||
sucursales_domingo_horario_atencion TEXT,
|
||||
FOREIGN KEY (id_dataset) REFERENCES datasets(id),
|
||||
UNIQUE (id_dataset, id_comercio, id_bandera, id_sucursal)
|
||||
);
|
||||
|
||||
CREATE TABLE banderas (
|
||||
id_dataset INTEGER,
|
||||
id_comercio INTEGER NOT NULL,
|
||||
id_bandera INTEGER NOT NULL,
|
||||
comercio_cuit TEXT NOT NULL,
|
||||
comercio_razon_social TEXT,
|
||||
comercio_bandera_nombre TEXT,
|
||||
comercio_bandera_url TEXT,
|
||||
comercio_ultima_actualizacion DATE,
|
||||
comercio_version_sepa TEXT,
|
||||
FOREIGN KEY (id_dataset) REFERENCES datasets(id)
|
||||
);
|
||||
|
||||
-- Create indexes
|
||||
CREATE INDEX idx_precios_id_producto ON precios(id_producto);
|
||||
CREATE INDEX idx_precios_id_producto_id_dataset ON precios(id_producto, id_dataset);
|
||||
CREATE INDEX idx_precios_id_dataset_id_comercio_id_sucursal ON precios(id_dataset, id_comercio, id_sucursal);
|
||||
287
sepa/importer.js
Normal file
287
sepa/importer.js
Normal file
|
|
@ -0,0 +1,287 @@
|
|||
// @ts-check
|
||||
|
||||
import * as fs from "fs/promises";
|
||||
import Papa from "papaparse";
|
||||
import { basename, join, dirname } from "path";
|
||||
import { $ } from "zx";
|
||||
import PQueue from "p-queue";
|
||||
import { Database } from "duckdb-async";
|
||||
import fg from "fast-glob";
|
||||
// import { waddler } from "waddler";
|
||||
|
||||
// TODO: verificar que pasa cuando hay varios datasets del mismo día (como los suele haber cuando actualizan el dataset con nuevos comercios)
|
||||
|
||||
/**
|
||||
* @param {string} path
|
||||
* @returns {Promise<string>}
|
||||
*/
|
||||
async function readFile(path) {
|
||||
// XXX: DORINKA SRL a veces envía archivos con UTF-16.
|
||||
const buffer = await fs.readFile(path, { encoding: null });
|
||||
if (buffer[0] === 0xff && buffer[1] === 0xfe) {
|
||||
return buffer.toString("utf16le");
|
||||
} else {
|
||||
return buffer.toString("utf8");
|
||||
}
|
||||
}
|
||||
|
||||
/**
|
||||
* @param {Database} db
|
||||
* @param {number} datasetId
|
||||
* @param {string} dir
|
||||
*/
|
||||
async function importSucursales(db, datasetId, dir) {
|
||||
const sucursales = Papa.parse(await readFile(join(dir, "sucursales.csv")), {
|
||||
header: true,
|
||||
});
|
||||
|
||||
const objs = sucursales.data
|
||||
.filter((data) => data.id_comercio && data.id_bandera && data.id_sucursal)
|
||||
.map((data) => {
|
||||
// Megatone
|
||||
if ("sucursales_domingohorario_atencion" in data) {
|
||||
data.sucursales_domingo_horario_atencion =
|
||||
data.sucursales_domingohorario_atencion;
|
||||
delete data.sucursales_domingohorario_atencion;
|
||||
}
|
||||
data.sucursales_nombre = data.sucursales_nombre
|
||||
.replaceAll("\t", " ")
|
||||
.trim();
|
||||
return {
|
||||
id_dataset: datasetId,
|
||||
...data,
|
||||
};
|
||||
});
|
||||
const keys = Object.keys(objs[0]);
|
||||
if (!keys.includes("sucursales_longitud")) {
|
||||
throw new Error("Alberdi S.A. strikes again! las sucursales están rotas.");
|
||||
}
|
||||
const lines = objs.map(
|
||||
(data) => keys.map((key) => data[key]).join("\t") + "\n"
|
||||
);
|
||||
|
||||
const tsv = `${keys.join("\t")}\n${lines.join("")}`;
|
||||
await importTsv(db, "sucursales", tsv);
|
||||
}
|
||||
|
||||
/**
|
||||
* @param {Database} db
|
||||
* @param {string} table
|
||||
* @param {string} tsv
|
||||
*/
|
||||
async function importTsv(db, table, tsv) {
|
||||
const dir = await fs.mkdtemp("/tmp/sepa-precios-importer-");
|
||||
try {
|
||||
const tempFile = join(dir, "temp.tsv");
|
||||
await fs.writeFile(tempFile, tsv);
|
||||
console.log(
|
||||
`COPY ${table} FROM '${tempFile}' WITH (HEADER, DELIMITER '\t', NULL '', QUOTE '')`
|
||||
);
|
||||
await db.exec(
|
||||
`COPY ${table} FROM '${tempFile}' WITH (HEADER, DELIMITER '\t', NULL '', QUOTE '')`
|
||||
);
|
||||
await fs.rm(dir, { recursive: true });
|
||||
} finally {
|
||||
}
|
||||
}
|
||||
|
||||
/**
|
||||
* @param {Database} db
|
||||
* @param {number} datasetId
|
||||
* @param {string} dir
|
||||
*/
|
||||
async function importBanderas(db, datasetId, dir) {
|
||||
const banderas = Papa.parse(await readFile(join(dir, "comercio.csv")), {
|
||||
header: true,
|
||||
});
|
||||
const objs = banderas.data.map((data) => ({
|
||||
id_dataset: datasetId,
|
||||
...data,
|
||||
}));
|
||||
const keys = [
|
||||
"id_dataset",
|
||||
"id_comercio",
|
||||
"id_bandera",
|
||||
"comercio_cuit",
|
||||
"comercio_razon_social",
|
||||
"comercio_bandera_nombre",
|
||||
"comercio_bandera_url",
|
||||
"comercio_ultima_actualizacion",
|
||||
"comercio_version_sepa",
|
||||
];
|
||||
const lines = objs
|
||||
.filter((data) => data.id_comercio && data.id_bandera)
|
||||
.map((data) =>
|
||||
keys
|
||||
.map((key) => {
|
||||
const value = data[key];
|
||||
if (typeof value !== "string") {
|
||||
return value;
|
||||
}
|
||||
return value.replaceAll("\t", " ").trim();
|
||||
})
|
||||
.join("\t")
|
||||
);
|
||||
const tsv = `${keys.join("\t")}\n${lines.join("\n")}`;
|
||||
|
||||
await importTsv(db, "banderas", tsv);
|
||||
}
|
||||
|
||||
/**
|
||||
* @param {string} dir
|
||||
*/
|
||||
async function importDataset(dir) {
|
||||
console.log(dir);
|
||||
const date = basename(dir).match(/(\d{4}-\d{2}-\d{2})/)?.[1];
|
||||
const id_comercio = basename(dir).match(/comercio-sepa-(\d+)/)?.[1];
|
||||
// TODO: parsear "Ultima actualizacion" al final del CSV y insertarlo en la tabla datasets
|
||||
|
||||
const db = await Database.create("importer.db");
|
||||
|
||||
try {
|
||||
await db.exec("begin transaction");
|
||||
let datasetId;
|
||||
const res = await db.all(
|
||||
`insert into datasets (id, name, date, id_comercio) values (nextval('seq_datasets'), '${basename(dir)}', '${date}', ${id_comercio}) returning id`
|
||||
);
|
||||
console.log("inserted dataset");
|
||||
datasetId = res[0].id;
|
||||
|
||||
const comercios = Papa.parse(await readFile(join(dir, "comercio.csv")), {
|
||||
header: true,
|
||||
});
|
||||
const comercioCuit = comercios.data[0].comercio_cuit;
|
||||
console.log(`dataset ${datasetId}, comercio ${comercioCuit}`);
|
||||
|
||||
await importBanderas(db, datasetId, dir);
|
||||
await importSucursales(db, datasetId, dir);
|
||||
|
||||
let file = await readFile(join(dir, "productos.csv"));
|
||||
// WALL OF SHAME: estos proveedores no saben producir CSVs correctos
|
||||
if (comercioCuit == "30612929455") {
|
||||
// Libertad S.A.
|
||||
file = file.replaceAll("|RAPTOR 6X16X45", "/RAPTOR 6X16X45");
|
||||
} else if (comercioCuit == "30578411174") {
|
||||
// Alberdi S.A.
|
||||
file = file.replaceAll(";", "|");
|
||||
}
|
||||
if (["30707429468", "30589621499"].includes(comercioCuit)) {
|
||||
// TODO: si tienen los valores, pero con otros nombres, por ejemplo
|
||||
// productos_precio_lista seria precio_unitario_bulto_por_unidad_venta_con_iva.
|
||||
// pero no quiero mentir, asi que por ahora no lo importo
|
||||
throw new Error(
|
||||
`No voy a importar el dataset ${dir} porque el formato está mal. Pero se podría importar. Pero por ahora no lo voy a hacer. Véase https://gist.github.com/catdevnull/587d5c63c4bab11b9798861c917db93b`
|
||||
);
|
||||
}
|
||||
|
||||
console.time("parse");
|
||||
|
||||
const parsedData = Papa.parse(file, {
|
||||
header: true,
|
||||
skipEmptyLines: true,
|
||||
});
|
||||
const objs = parsedData.data
|
||||
.filter(
|
||||
(data) =>
|
||||
data.id_comercio &&
|
||||
data.id_bandera &&
|
||||
data.id_sucursal &&
|
||||
data.id_producto
|
||||
)
|
||||
.map((data) => {
|
||||
delete data.id_dun_14;
|
||||
return {
|
||||
id_dataset: datasetId,
|
||||
...data,
|
||||
productos_descripcion: data.productos_descripcion
|
||||
.replaceAll("\t", " ")
|
||||
.trim(),
|
||||
productos_marca: data.productos_marca.trim(),
|
||||
};
|
||||
});
|
||||
|
||||
const keys = [
|
||||
"id_dataset",
|
||||
"id_comercio",
|
||||
"id_bandera",
|
||||
"id_sucursal",
|
||||
"id_producto",
|
||||
"productos_ean",
|
||||
"productos_descripcion",
|
||||
"productos_cantidad_presentacion",
|
||||
"productos_unidad_medida_presentacion",
|
||||
"productos_marca",
|
||||
"productos_precio_lista",
|
||||
"productos_precio_referencia",
|
||||
"productos_cantidad_referencia",
|
||||
"productos_unidad_medida_referencia",
|
||||
"productos_precio_unitario_promo1",
|
||||
"productos_leyenda_promo1",
|
||||
"productos_precio_unitario_promo2",
|
||||
"productos_leyenda_promo2",
|
||||
];
|
||||
|
||||
const lines = objs.map(
|
||||
(data) => keys.map((key) => data[key]).join("\t") + "\n"
|
||||
);
|
||||
|
||||
const tsv = `${keys.join("\t")}\n${lines.join("")}`;
|
||||
await importTsv(db, "precios", tsv);
|
||||
|
||||
console.timeEnd("parse");
|
||||
await db.exec("commit");
|
||||
console.info(`saved ${objs.length} rows`);
|
||||
} catch (e) {
|
||||
// @ts-ignore
|
||||
if (e.errorType == "Constraint") {
|
||||
console.log(`dataset ${basename(dir)} already exists`);
|
||||
await db.exec("abort");
|
||||
return;
|
||||
}
|
||||
console.error("errored, aborting transaction", e);
|
||||
await db.exec("abort");
|
||||
} finally {
|
||||
try {
|
||||
Bun.gc(true);
|
||||
} catch {}
|
||||
}
|
||||
}
|
||||
|
||||
/**
|
||||
* @param {string} tarPath
|
||||
*/
|
||||
async function importDatasetTar(tarPath) {
|
||||
console.log(`importing tar ${tarPath}`);
|
||||
const dir = await fs.mkdtemp("/tmp/sepa-precios-importer-");
|
||||
try {
|
||||
await $`tar -x -C ${dir} -f ${tarPath}`;
|
||||
await importDump(dir);
|
||||
} finally {
|
||||
await fs.rm(dir, { recursive: true });
|
||||
}
|
||||
}
|
||||
|
||||
/**
|
||||
* @param {string} dumpDir
|
||||
*/
|
||||
async function importDump(dumpDir) {
|
||||
const pQueue = new PQueue({ concurrency: 1 });
|
||||
const files = await fg("**/productos.csv", { cwd: dumpDir });
|
||||
for (const file of files) {
|
||||
const dir = join(dumpDir, dirname(file));
|
||||
pQueue.add(() => importDataset(dir));
|
||||
}
|
||||
await pQueue.onIdle();
|
||||
}
|
||||
|
||||
let hasTars = false;
|
||||
const files = await fg("**/*.tar.zst", { cwd: process.argv[2] });
|
||||
for (const file of files) {
|
||||
hasTars = true;
|
||||
const tar = join(process.argv[2], file);
|
||||
await importDatasetTar(tar);
|
||||
}
|
||||
|
||||
if (!hasTars) {
|
||||
await importDump(process.argv[2]);
|
||||
}
|
||||
253
sepa/importer.ts
253
sepa/importer.ts
|
|
@ -1,253 +0,0 @@
|
|||
import * as fs from "fs/promises";
|
||||
import Papa from "papaparse";
|
||||
import { basename, join, dirname } from "path";
|
||||
import postgres from "postgres";
|
||||
import { Readable } from "stream";
|
||||
import { pipeline } from "node:stream/promises";
|
||||
import { $, Glob } from "bun";
|
||||
import PQueue from "p-queue";
|
||||
|
||||
// TODO: verificar que pasa cuando hay varios datasets del mismo día (como los suele haber cuando actualizan el dataset con nuevos comercios)
|
||||
|
||||
const sql = postgres({});
|
||||
|
||||
async function readFile(path: string) {
|
||||
// XXX: DORINKA SRL a veces envía archivos con UTF-16.
|
||||
const buffer = await fs.readFile(path, { encoding: null });
|
||||
if (buffer[0] === 0xff && buffer[1] === 0xfe) {
|
||||
return buffer.toString("utf16le");
|
||||
} else {
|
||||
return buffer.toString("utf8");
|
||||
}
|
||||
}
|
||||
|
||||
async function importSucursales(
|
||||
sql: postgres.Sql,
|
||||
datasetId: number,
|
||||
dir: string
|
||||
) {
|
||||
const sucursales: Papa.ParseResult<any> = Papa.parse(
|
||||
await readFile(join(dir, "sucursales.csv")),
|
||||
{
|
||||
header: true,
|
||||
}
|
||||
);
|
||||
|
||||
const objs = sucursales.data
|
||||
.filter((data) => data.id_comercio && data.id_bandera && data.id_sucursal)
|
||||
.map((data) => {
|
||||
// Megatone
|
||||
if ("sucursales_domingohorario_atencion" in data) {
|
||||
data.sucursales_domingo_horario_atencion =
|
||||
data.sucursales_domingohorario_atencion;
|
||||
delete data.sucursales_domingohorario_atencion;
|
||||
}
|
||||
return {
|
||||
id_dataset: datasetId,
|
||||
...data,
|
||||
};
|
||||
});
|
||||
const keys = Object.keys(objs[0]);
|
||||
const lines = Readable.from(
|
||||
objs.map((data) => keys.map((key) => (data as any)[key]).join("\t") + "\n")
|
||||
);
|
||||
const writable =
|
||||
await sql`copy sucursales (${sql.unsafe(keys.join(", "))}) from stdin with CSV DELIMITER E'\t' QUOTE E'\b'`.writable();
|
||||
await pipeline(lines, writable);
|
||||
}
|
||||
|
||||
async function importBanderas(
|
||||
sql: postgres.Sql,
|
||||
datasetId: number,
|
||||
dir: string
|
||||
) {
|
||||
const banderas: Papa.ParseResult<any> = Papa.parse(
|
||||
await readFile(join(dir, "comercio.csv")),
|
||||
{ header: true }
|
||||
);
|
||||
const objs = banderas.data.map((data) => ({
|
||||
id_dataset: datasetId,
|
||||
...data,
|
||||
}));
|
||||
const keys = [
|
||||
"id_dataset",
|
||||
"id_comercio",
|
||||
"id_bandera",
|
||||
"comercio_cuit",
|
||||
"comercio_razon_social",
|
||||
"comercio_bandera_nombre",
|
||||
"comercio_bandera_url",
|
||||
"comercio_ultima_actualizacion",
|
||||
"comercio_version_sepa",
|
||||
];
|
||||
const lines = Readable.from(
|
||||
objs
|
||||
.filter((data) => data.id_comercio && data.id_bandera)
|
||||
.map(
|
||||
(data) =>
|
||||
keys
|
||||
.map((key) => {
|
||||
const value = (data as any)[key];
|
||||
if (typeof value !== "string") {
|
||||
return value;
|
||||
}
|
||||
return value.replaceAll("\t", " ").trim();
|
||||
})
|
||||
.join("\t") + "\n"
|
||||
)
|
||||
);
|
||||
const writable =
|
||||
await sql`copy banderas (${sql.unsafe(keys.join(", "))}) from stdin with CSV DELIMITER E'\t' QUOTE E'\b'`.writable();
|
||||
await pipeline(lines, writable);
|
||||
}
|
||||
|
||||
async function importDataset(dir: string) {
|
||||
console.log(dir);
|
||||
const date = basename(dir).match(/(\d{4}-\d{2}-\d{2})/)![1];
|
||||
const id_comercio = basename(dir).match(/comercio-sepa-(\d+)/)![1];
|
||||
// TODO: parsear "Ultima actualizacion" al final del CSV y insertarlo en la tabla datasets
|
||||
|
||||
try {
|
||||
await sql.begin(async (sql) => {
|
||||
let datasetId: number;
|
||||
const res =
|
||||
await sql`insert into datasets (name, date, id_comercio) values (${basename(dir)}, ${date}, ${id_comercio}) returning id`;
|
||||
datasetId = res[0].id;
|
||||
|
||||
const comercios: Papa.ParseResult<{ comercio_cuit: string }> = Papa.parse(
|
||||
await readFile(join(dir, "comercio.csv")),
|
||||
{ header: true }
|
||||
);
|
||||
const comercioCuit = comercios.data[0].comercio_cuit;
|
||||
console.log(`dataset ${datasetId}, comercio ${comercioCuit}`);
|
||||
|
||||
await importBanderas(sql, datasetId, dir);
|
||||
await importSucursales(sql, datasetId, dir);
|
||||
|
||||
let file = await readFile(join(dir, "productos.csv"));
|
||||
// WALL OF SHAME: estos proveedores no saben producir CSVs correctos
|
||||
if (comercioCuit == "30612929455") {
|
||||
// Libertad S.A.
|
||||
file = file.replaceAll("|RAPTOR 6X16X45", "/RAPTOR 6X16X45");
|
||||
} else if (comercioCuit == "30578411174") {
|
||||
// Alberdi S.A.
|
||||
file = file.replaceAll(";", "|");
|
||||
}
|
||||
if (["30707429468", "30589621499"].includes(comercioCuit)) {
|
||||
// TODO: si tienen los valores, pero con otros nombres, por ejemplo
|
||||
// productos_precio_lista seria precio_unitario_bulto_por_unidad_venta_con_iva.
|
||||
// pero no quiero mentir, asi que por ahora no lo importo
|
||||
throw new Error(
|
||||
`No voy a importar el dataset ${dir} porque el formato está mal. Pero se podría importar. Pero por ahora no lo voy a hacer. Véase https://gist.github.com/catdevnull/587d5c63c4bab11b9798861c917db93b`
|
||||
);
|
||||
}
|
||||
|
||||
console.time("parse");
|
||||
|
||||
const writable =
|
||||
await sql`copy precios (id_dataset, id_comercio, id_bandera, id_sucursal, id_producto, productos_ean, productos_descripcion, productos_cantidad_presentacion, productos_unidad_medida_presentacion, productos_marca, productos_precio_lista, productos_precio_referencia, productos_cantidad_referencia, productos_unidad_medida_referencia, productos_precio_unitario_promo1, productos_leyenda_promo1, productos_precio_unitario_promo2, productos_leyenda_promo2) from stdin with CSV DELIMITER E'\t' QUOTE E'\b'`.writable();
|
||||
|
||||
let rowCount = 0;
|
||||
|
||||
async function* processRows() {
|
||||
const parsedData = Papa.parse(file, {
|
||||
header: true,
|
||||
skipEmptyLines: true,
|
||||
});
|
||||
|
||||
for (const data of parsedData.data as any[]) {
|
||||
if (
|
||||
data.id_comercio &&
|
||||
data.id_bandera &&
|
||||
data.id_sucursal &&
|
||||
data.id_producto
|
||||
) {
|
||||
delete data.id_dun_14;
|
||||
const row = {
|
||||
id_dataset: datasetId,
|
||||
...data,
|
||||
productos_descripcion: data.productos_descripcion
|
||||
.replaceAll("\t", " ")
|
||||
.trim(),
|
||||
productos_marca: data.productos_marca.trim(),
|
||||
};
|
||||
const values =
|
||||
[
|
||||
row.id_dataset,
|
||||
row.id_comercio,
|
||||
row.id_bandera,
|
||||
row.id_sucursal,
|
||||
row.id_producto,
|
||||
row.productos_ean,
|
||||
row.productos_descripcion,
|
||||
row.productos_cantidad_presentacion,
|
||||
row.productos_unidad_medida_presentacion,
|
||||
row.productos_marca,
|
||||
row.productos_precio_lista,
|
||||
row.productos_precio_referencia,
|
||||
row.productos_cantidad_referencia,
|
||||
row.productos_unidad_medida_referencia,
|
||||
row.productos_precio_unitario_promo1,
|
||||
row.productos_leyenda_promo1,
|
||||
row.productos_precio_unitario_promo2,
|
||||
row.productos_leyenda_promo2,
|
||||
].join("\t") + "\n";
|
||||
|
||||
rowCount++;
|
||||
yield values;
|
||||
}
|
||||
}
|
||||
}
|
||||
|
||||
const generator = processRows();
|
||||
await pipeline(Readable.from(generator), writable);
|
||||
|
||||
console.timeEnd("parse");
|
||||
console.info(`saved ${rowCount} rows`);
|
||||
|
||||
Bun.gc(true);
|
||||
});
|
||||
} catch (e) {
|
||||
if ((e as any).code == "23505") {
|
||||
console.log(`dataset ${basename(dir)} already exists`);
|
||||
return;
|
||||
}
|
||||
throw e;
|
||||
}
|
||||
}
|
||||
|
||||
async function importDatasetTar(tarPath: string) {
|
||||
console.log(`importing tar ${tarPath}`);
|
||||
const dir = await fs.mkdtemp("/tmp/sepa-precios-importer-");
|
||||
try {
|
||||
await $`tar -x -C ${dir} -f ${tarPath}`;
|
||||
await importDump(dir);
|
||||
} finally {
|
||||
await fs.rm(dir, { recursive: true });
|
||||
}
|
||||
}
|
||||
async function importDump(dumpDir: string) {
|
||||
const pQueue = new PQueue({ concurrency: 2 });
|
||||
const glob = new Glob("**/productos.csv");
|
||||
for await (const file of glob.scan(dumpDir)) {
|
||||
const dir = join(dumpDir, dirname(file));
|
||||
pQueue.add(() => importDataset(dir));
|
||||
}
|
||||
await pQueue.onIdle();
|
||||
}
|
||||
|
||||
try {
|
||||
const tarGlob = new Glob("**/*.tar.zst");
|
||||
let hasTars = false;
|
||||
for await (const file of tarGlob.scan(process.argv[2])) {
|
||||
hasTars = true;
|
||||
const tar = join(process.argv[2], file);
|
||||
await importDatasetTar(tar);
|
||||
}
|
||||
|
||||
if (!hasTars) {
|
||||
await importDump(process.argv[2]);
|
||||
}
|
||||
} finally {
|
||||
await sql.end();
|
||||
}
|
||||
|
|
@ -3,10 +3,13 @@
|
|||
"private": true,
|
||||
"type": "module",
|
||||
"devDependencies": {
|
||||
"0x": "^5.8.0",
|
||||
"@mmarchini/observe": "^3.0.0",
|
||||
"@types/bun": "^1.1.11",
|
||||
"bun-types": "^1.1.30",
|
||||
"@types/papaparse": "^5.3.14",
|
||||
"drizzle-kit": "^0.24.2"
|
||||
"bun-types": "^1.1.30",
|
||||
"drizzle-kit": "^0.24.2",
|
||||
"tsx": "^4.19.2"
|
||||
},
|
||||
"peerDependencies": {
|
||||
"typescript": "^5.0.0"
|
||||
|
|
@ -16,11 +19,16 @@
|
|||
"@aws-sdk/lib-storage": "^3.651.0",
|
||||
"date-fns": "^3.6.0",
|
||||
"drizzle-orm": "^0.33.0",
|
||||
"duckdb": "^1.1.3",
|
||||
"duckdb-async": "^1.1.3",
|
||||
"fast-glob": "^3.3.2",
|
||||
"jschardet": "^3.1.3",
|
||||
"p-queue": "^8.0.1",
|
||||
"papaparse": "^5.4.1",
|
||||
"postgres": "^3.4.4",
|
||||
"zod": "^3.23.8"
|
||||
"waddler": "^0.0.3",
|
||||
"zod": "^3.23.8",
|
||||
"zx": "^8.2.2"
|
||||
},
|
||||
"workspaces": [
|
||||
"sitio2"
|
||||
|
|
|
|||
Loading…
Reference in a new issue