sqldump2json 0.3.5

Parsing SQL Dumps to JSON Objects

sqldump2json

Parse SQL dumps into JSON objects.

A tool for administrators, data scientists and hackers. With this tool you no longer need to import dumps into Databases. You can extract INSERT data as JSON and analyze them with jq or insert into Mongo/Elastic/etc. The dump is not read entirely into RAM, so this utility can be used to process files of any size. And it can even parse corrupted dumps.

Supported DBMS: MySQL, SQL Server, PotsgreSQL and some other (not all formats).

Installation for normal Arch-based Linux ditros:

# install pipx
yay -S python-pipx

# install package from pypi
pipx install sqldump2json

# install lastet version from github
pipx install git+https://github.com/s3rgeym/sqldump2json.git

For other shit like Ubuntu you need to do more steps:

• Install pyenv or asdf-vm.
• Install latest python version and make it global via pyenv or asdf-vm.
• Install sqldump2json.
• Or use Docker.

CLI

Help:

sqldump2json -h

Values are converted to dict only if the INSERT INTO contains a list of fields or the fields are declared in CREATE TABLE:

$ sqldump2json<<<'INSERT INTO `page` (title, contents) VALUES ("Title", "Text goes here");' | jq
{
  "table_name": "page",
  "values": {
    "title": "Title",
    "contents": "Text goes here"
  }
}

$ sqldump2json <<< "INSERT INTO data VALUES (null, 3.14159265, false, 'Привет', 0xDEADBEEF);" | jq
{
  "table_name": "data",
  "values": [
    null,
    3.14159265,
    false,
    "Привет",
    "3q2+7w=="
  ]
}

Use together with grep for table parsing:

grep 'INSERT INTO `users`' /path/to/dump.sql | sqldump2json | jq -r '.values[]|@tsv' > output.csv

Also supports basic arifmetic and boolean operations:

$ echo 'insert into test (result) values (-2 + 2 * 2);' | sqldump2json
{"table_name": "test", "values": {"result": 2}}

Scripting

If you were looking for a way how to import data from SQL to NoSQL databases and etc:

#!/usr/bin/env python
from sqldump2json import DumpParser
...
if __name__ == '__main__':
    parser = DumpParser()
    for item in parser.parse("/path/to/dump.sql"):
        do_something(item)

Development

Run tests:

poetry run python -m unittest

TODO LIST

• Add support mysql strings with charset (eg, _binary '\x00...'). + X'...'
• Строки должны конкатенироваться, если идут подряд.
• Improve I/O performance. Тут хз что делать, потому как буфер не особо помогает. Токены так или иначе нужно читать посимвольно. Можно было разбирать целые строки, НО я смотрел дампы, у меня и отдельные строки занимают по 1.5 гигабайта, что, конечно, уже в раму влезет, но текущая реализация тем и хороша, что жрет не больше пары сотен мегабайт (зато грузит процессор). У меня есть дамп одного взломанного сайта, он весит 23 гига и в нем содержится почти 160 миллионов записей, если запустить его парсинг без вывода в консоль отладочной информации (!это очень важно, тк вывод в консоль сильно тормозит) с дополнительными флагами -b128k -o /dev/null, он будет парситься дохуя часов, что меня не очень учтраивает, поэтому используем вместе с grep. Тут, конечно, негативно влияет и использование Btrfs со сжатием (сжатый дамп на диске занимает всего 3.6G). От игры с размером буфера я значительного прироста скорости парсинга не заметил (возможно, эта сомнительная фича будет удалена).
• Переименовать проект в parsedump?