Backendless导出的Schema CSV无法识别，求格式名及MySQL导入方案

格式名称说明 #

这是Backendless自定义的专属CSV Schema格式，没有通用的正式名称。它的核心逻辑是把每个字段的名称和包含类型、约束、默认值等元数据的JSON对象打包在CSV的单个单元格中，为适配CSV规则，JSON内的双引号被转义为成对的双引号（""）。

导入MySQL的可行方案 #

1. 自定义脚本转换（最直接可靠） #

由于格式是Backendless专属的，最灵活的方式是编写脚本解析该CSV，将字段元数据映射为MySQL支持的数据类型，自动生成CREATE TABLE语句。

以下是一个简化的Python示例（覆盖核心类型映射）：

import csv
import json

# Backendless类型到MySQL类型的映射
type_mapping = {
    "STRING": "VARCHAR({dataSize})",
    "DATETIME": "DATETIME",
    "INT": "INT",
    "BOOLEAN": "TINYINT(1)",
    "STRING_ID": "CHAR(36)",
    "FILE_REF": "VARCHAR(500)",  # 用字符串存储文件引用ID
    "RELATION": ""  # 关联类型需手动处理外键或关联表
}

with open("person_schema.csv", "r", encoding="utf-8") as f:
    reader = csv.reader(f)
    fields = next(reader)

create_sql = "CREATE TABLE Person (\n"
extra_constraints = []

for field_item in fields:
    # 拆分字段名和元数据JSON
    field_name, meta_raw = field_item.split("(", 1)
    meta_raw = meta_raw.rstrip(")").replace('""', '"')  # 还原转义的引号
    meta = json.loads(meta_raw)
    
    # 确定字段类型
    mysql_type = type_mapping.get(meta["type"], "VARCHAR(255)")
    if "{dataSize}" in mysql_type:
        mysql_type = mysql_type.format(dataSize=meta.get("dataSize", 255))
    
    # 处理默认值
    default_clause = ""
    if "defaultValue" in meta and meta["defaultValue"]:
        if meta["type"] in ["STRING", "FILE_REF"]:
            default_clause = f" DEFAULT '{meta['defaultValue']}'"
        else:
            default_clause = f" DEFAULT {meta['defaultValue']}"
    
    # 处理约束（如唯一约束）
    for constraint in meta.get("constraints", []):
        if constraint == "UQ":
            extra_constraints.append(f"UNIQUE KEY `{field_name}_uq` (`{field_name}`)")
    
    # 拼接字段定义
    create_sql += f"  `{field_name}` {mysql_type}{default_clause},\n"

# 添加额外约束
if extra_constraints:
    create_sql += ",\n".join([f"  {c}" for c in extra_constraints]) + ",\n"

# 完成CREATE语句
create_sql = create_sql.rstrip(",\n") + "\n);"

print(create_sql)

2. 尝试Backendless标准导出选项 #

回到Backendless控制台，导出时优先选择SQL DDL格式或通用数据库Schema格式（而非当前的自定义CSV），部分低代码平台会提供直接兼容MySQL的导出选项，可直接导入数据库工作台。

3. ETL工具自定义解析 #

如果需要批量处理多表，可以使用Talend、Apache NiFi等ETL工具，通过配置自定义解析规则读取该CSV，转换为MySQL可识别的Schema结构后完成导入。

内容的提问来源于stack exchange，提问作者Hassan Kanso