- 引言
工作需要将数十万条文本数据解析存入Mysql数据库中，代码使用C#实现，存储效率还可以，以下是一些主要代码的说明。
txtdataToMysql
项目描述：解析文本文件，该文件使用爬虫爬下的数十万条数据，主要是图片以及图片关键字，图片信息使用','分隔，关键字使用 ' '（一个空格）,关键字不允许重复。
- 分析需要创建的数据库
该数据库为多对多，所以需要三张表，一张表为image_info，一张为image_keyword，一张为关系表img_and_key_relation。在这里并没有添加外键，加入外键后插入数据难度比较大，Mysql还没有具体学习过，关于主键与外键的关系，以及外键的作用等以后补充。以下为创建数据库的代码
这里并没有将image_info与image_keyword的主键设为自动增加，为了插入img_and_key_relation表时能够获得其余两张表的键值，具体获得方法将在代码中讲解。
解析文本
代码使用c#写的所以可以使用按行读取文本，使用Split()方法将文本进行解析，对于文本解析专门设置了一个class TxtFilter，在该类中实现文本解析方法，在插入关键字时，使用Dictionary<string, int> keywordDic,将关键字存入字典中，字典的关键字为解析的关键字,使用字典因为要求键值唯一，这样在匹配关键字是可以方便，开始的时候并没有注意到Mysql数据库大小写不敏感，而c#的字典键值为大小写敏感的，所有在插入关键字是有些重复了，设置字典大小写不敏感需要如此创建字典Dictionary<string, int> keywordDic = new Dictionary<string, int>(StringComparer.OrdinalIgnoreCase);这样可以保证插入的关键字唯一。对判断关键字的唯一性使用hashset也是可以，但是不知道它能否无视大小写，所以还需要补充，hashset的时间复杂度为O(1),而Dictionary的时间复杂度为O(n)，当数据量比较大时查找速度比较快。Dictionary与hashset的区别再去字典使用key查找value,查找value的速度比较快，而hashset为一个集合，关于这两个的区别以后还会补充，目前只知道这些。
- c#连接Mysql数据库
这里创建了一个数据库类，在该类中实现以上两种方法，目的保护数据库账户密码，在这里并不需要，只是个人的一点想法，不知道对错
- 如何大批量插入数据到Mysql中
这里参考了链接采用了事物处理的方法，具体的还需要进一步学习。主要是将插入语句放入到一个List<string>中，所以需要解析文本，生成插入语句，将所有的插入语句添加到一个列表中，为了检查插入语句的正确性，将所有的插入语句写入到一个txt文本中，方便检查。 - txtFilter类分析
解析的文本文件由一些特点，有些图片没有关键字，所以对于这些信息需要判断删除，并且解析关键字的时候有的关键字是空格，这些问题在开始的时候都没有考虑到。所以在原来的代码上添加了一些判定条件。为了检查方便将三张表的插入语句各自打印了出来，有些代码存在重复，可以优化一些，比如针对不同的操作设定操作码，使用switch case语句，选择不同的筛选方式。先写出关键的文本解析语句，将所有插入语句存入List<string>中，并且定义了将插入语句写入文本的函数，这样有利于查看插入语句是否存在问题。以下是主要函数代码：
为了将关键字是空格的图像解析出去，所以使用了两种方式，一般有空格的图像信息的键值长度为1，但是键值为1的又不一定是空格（有点啰嗦意思理解就好）所以将解析方式设为两种，键值长度为1与>1两种。然后判断键值是否为空格，不是空格的话将图像长度+1，数据库中图像表的键值与图片长度（相当于图片的index）相关联。
因为一个图像不一定有一个关键字，所以图像的插入语句与关键字与关系表的插入语句分开统计。获得每个图片关键字的长度，将每一个图片的关键字使用Sqlit(' ')解析到一个字符串数组中，遍历字符串判断关键字是否存在在字典中，不存在的话将该关键字插入到关键字表中，存在的话直接在关键字字典中查找该关键字的键值，将图像的键值与该关键字的键值插入到关系表中。最后将该图片的所有插入语句赋值给sqlCommond，加入到指令列表SQLStringList中，解析完后返回列表。