معرفی شرکت ها

DDLJ-0.0.3

Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
0.0.3
0.0.2
0.0.1
0.0.3
0.0.2
0.0.1

توضیحات

JSON Utils for generating DDL from JSON Schema
ویژگی مقدار
سیستم عامل -
نام فایل DDLJ-0.0.3
نام DDLJ
نسخه کتابخانه 0.0.3
نگهدارنده []
ایمیل نگهدارنده []
نویسنده Arghadeep Chaudhury,Siddhartha Bhattacharya
ایمیل نویسنده siddhbhatt@gmail.com,arghadeep.chaudhury@gmail.com
آدرس صفحه اصلی https://github.com/deepstartup/jsonutils
آدرس اینترنتی https://pypi.org/project/DDLJ/
مجوز -
# JSON Utils Package (DDLj) This is a python package having multiple utilities for handling JSON Files. Module1 - DDLj : Converts JSON Schema Files into ANSI SQL DDLs Supports foll databases: A.PostgreSQL B.MYSQL C.DB2 D.MariaDB E.Oracle ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ Usage: ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ pip install DDLJ python >>> from DDLj import genddl >>> genddl(*param1,param2,*param3,*param4) Where param1= JSON Schema File param2=Database (Default Oracle) Param3= Glossary file Param4= DDL output script Note : * indicates mandatory parameters It also includes a Flask module for front-end if used as a standalone tool. Refer to App directory. ******************************************* ~~~~~~~~~~~~~~~~~~~~~~~~~~~ Example: ~~~~~~~~~~~~~~~~~~~~~~~~~~~~ Input JSON schema as: { "schema": "Http://Json-Schema.Org/Draft-07/Schema#", "type": "object", "title": "TableNameTest", "additionalProperties": false, "properties": { "ColumnNameOne": { "type": "string", "maxLength": 10 }, "ColumnNameTwo": { "type": "string", "format": "date-time" }, "ColumnNameThree": { "type": "string", "maxLength": 200 }, "ColumnNameFour": { "type": "string", "maxLength": 300 }, "ColumnNameFive": { "type": "string", "format": "date" }, "ColumnNameSix": { "type": "number" }, "ColumnNameSeven": { "type": "number" }, "ColumnNameEight": { "type": "string", "maxLength": 1000 }, "ColumnNameNine": { "type": "string", "maxLength": 2000 }, "ColumnNameTen": { "type": "number" } } } Code Usage: >>> from DDLj import genddl >>> genddl('TestJsonSchema.json','Oracle','GlossaryTestFile.csv','GenDDLGlossary.sql') Output: Create Table TableNameTest (COL_NAM_One Varchar2(10), COL_NAM_Two Timestamp(6), COL_NAM_Three Varchar2(200), COL_NAM_Four Varchar2(300), COL_NAM_Five Date, COL_NAM_Six Number(38,10), COL_NAM_Seven Number(38,10), COL_NAM_Eight Varchar2(1000), COL_NAM_Nine Varchar2(2000), COL_NAM_Ten Number(38,10)); Please see the Test Folder for JSON schema, glossary file and output. **************************** Note: Other modules to come soon.


نیازمندی

مقدار نام
- pandas
- flatten-json


نحوه نصب


نصب پکیج whl DDLJ-0.0.3:

    pip install DDLJ-0.0.3.whl


نصب پکیج tar.gz DDLJ-0.0.3:

    pip install DDLJ-0.0.3.tar.gz