AI வடிவ மாற்றங்களுக்கு (CSV ↔ JSON ↔ SQL) மற்றும் இடம்பெயர்வு ஸ்கிரிப்ட்களுக்கு நன்றாக பொருந்தக்கூடியது, ஏனெனில் மாற்றம் விதிகள் இயந்திர சாரம். தந்திரம் என்பது சரியாகவும் பாதுகாப்பாகவும் இருக்க போதுமான சூழல் கொடுப்பது: schema, மாதிரி வரிசை மற்றும் வெளிப்படையான பாதுகாப்பு தேவைகள்.
import csv
# Source CSV: id,email,signup_date (signup_date may be blank)
# Target table: users(id INT, email TEXT NOT NULL, signup_date DATE NULL)
def csv_to_sql(path: str) -> list[str]:
statements = []
with open(path, newline="", encoding="utf-8") as f:
for row in csv.DictReader(f):
email = row["email"].strip()
if not email: # validate: skip invalid rows, don't insert garbage
continue
date = row["signup_date"].strip() or None
email_sql = email.replace("'", "''") # escape quotes to avoid broken SQL / injection
date_sql = f"'{date}'" if date else "NULL"
# ON CONFLICT makes it idempotent: re-running won't create duplicates
statements.append(
f"INSERT INTO users (id, email, signup_date) "
f"VALUES ({int(row['id'])}, '{email_sql}', {date_sql}) "
f"ON CONFLICT (id) DO NOTHING;"
)
return statements
মন்তব্যগুলি গুরুত்வপূর்ণ பகுதিগুলিকে குறிக்கে: சரிபார்ப்பு (வெற்று மின்னஞ்சல்களைத் தவிர்க்கவும்), escaping (மேற்கோள்கள்) மற்றும் idempotency (ON CONFLICT DO NOTHING). AI ஐ மூன்றையும் சேர்க்கச் சொல்லுங்கள் — இவை天真 ஸ்கிரிப்ட் மறந்துவிடும் விஷயங்கள்.
டேटा மைग்ரேশனগুলி அதிக-இடுப்பு மற்றும் பெரும்பாலும் ஒரு-ஷாட்: ஒரு ஸ்கிரிப்ட் இரட்டை-செருகாய் அல்லது வரிசைகளை நீக்குவது விலைக்கு ஆகலாம். AI மாற்றத்தை எழுதுவதை வேகப்படுத்துகிறது, ஆனால் பாதுகாப்பு பண்புகள் — idempotency, சரிபார்ப்பு மற்றும் நகலில் dry-run — நிர்ணய இல்லாதவை. உருவாக்கப்பட்ட ஸ்கிரிப்ட்டை ஒரு வரைவாக கருதுங்கள், நீங்கள் படிக்க வேண்டும் மற்றும் சோதிக்க வேண்டும், ஒருபோதும் உண்மையான தரவுக்கு எதிராக குருட்டாக இயக்க வேண்டிய ஒன்று இல்லை.