Points clés
- Catégorie
- Données et tableaux
- Types d’entrée
- textarea, file, text, select, checkbox
- Type de sortie
- html
- Couverture des échantillons
- 4
- API disponible
- Yes
Vue d’ensemble
Ce planificateur de migration analyse vos fichiers CSV pour en déduire automatiquement un schéma relationnel et générer le code SQL correspondant. Il identifie les types de données, suggère des clés primaires ou étrangères, et produit les requêtes CREATE TABLE et ALTER adaptées pour PostgreSQL, MySQL, SQLite ou SQL Server.
Quand l’utiliser
- •Lors de l'importation d'un nouveau jeu de données brut vers une base de données relationnelle.
- •Pour générer rapidement un script de migration SQL (ALTER TABLE) à partir d'un schéma existant et d'un nouveau fichier CSV.
- •Quand vous avez besoin d'inférer les types de colonnes (entier, date, booléen) et les index sans écrire le DDL manuellement.
Comment ça marche
- •Fournissez vos données via l'entrée texte ou en téléversant un fichier CSV contenant une ligne d'en-têtes.
- •Sélectionnez le moteur de base de données cible (PostgreSQL, MySQL, SQLite ou SQL Server) et définissez le nom de la table.
- •(Optionnel) Ajoutez un schéma existant pour générer un plan ALTER ou utilisez un JSON d'écrasement pour forcer certains types de données.
- •L'outil analyse les colonnes, déduit les types SQL optimaux, et génère le code DDL prêt à être exécuté.
Cas d’usage
Création initiale d'une table SQL à partir d'un export de données client ou produit.
Mise à jour d'une structure de base de données existante suite à l'ajout de nouvelles colonnes dans un rapport CSV régulier.
Prototypage rapide d'un modèle de données relationnel pour une application à partir de fichiers plats.
Exemples
1. Création d'une table de commandes PostgreSQL
Développeur Backend- Contexte
- Un développeur doit intégrer un historique de commandes fourni au format CSV dans une nouvelle base de données.
- Problème
- Écrire manuellement le DDL pour une table avec de nombreuses colonnes et des types variés (dates, décimales, identifiants) est fastidieux.
- Comment l’utiliser
- Coller le CSV dans l'entrée, nommer la table 'orders', choisir PostgreSQL et laisser l'outil déduire les types.
- Résultat
- L'outil génère un CREATE TABLE avec les bons types (TIMESTAMP, DECIMAL, VARCHAR) et définit la colonne id comme clé primaire.
2. Mise à jour d'une table existante avec de nouvelles colonnes
Administrateur de Base de Données (DBA)- Contexte
- Le département marketing fournit un nouveau fichier CSV de prospects contenant trois nouvelles colonnes par rapport au mois précédent.
- Problème
- Identifier les nouvelles colonnes et générer les requêtes ALTER TABLE sans casser le schéma actuel.
- Comment l’utiliser
- Téléverser le fichier CSV, coller l'ancien CREATE TABLE dans 'Schéma existant', et cocher 'Générer plan ALTER'.
- Configuration d’exemple
-
CREATE TABLE leads ( id INT PRIMARY KEY, email VARCHAR(255) ); - Résultat
- L'outil détecte les nouvelles colonnes du CSV et produit les instructions ALTER TABLE correspondantes pour mettre à jour la base.
3. Forcer des types spécifiques via JSON
Data Engineer- Contexte
- Lors de l'import d'un catalogue de produits, les prix sont parfois entiers dans le CSV, mais doivent être stockés en décimal.
- Problème
- L'inférence automatique risque de choisir INTEGER au lieu de DECIMAL pour la colonne des prix.
- Comment l’utiliser
- Utiliser le champ 'Overrides de schéma (JSON)' pour imposer le type exact et ajouter un index sur la catégorie.
- Configuration d’exemple
-
{ "price": "DECIMAL(14,4)", "category_id": { "type": "BIGINT", "index": true } } - Résultat
- Le DDL généré respecte les contraintes manuelles pour le prix et crée un index sur category_id, tout en inférant le reste automatiquement.
Tester avec des échantillons
json, csv, sqlExemples CSV
Fichiers CSV d'exemple avec divers types de données, tailles et niveaux de complexité
title token csv
Exemples Python
Exemples de code Python et démonstrations Hello World
preferred input family csv,json
Exemples de Lignes en Double
Fichiers d'échantillon avec divers types de lignes en double pour tester les outils de suppression des doublons
preferred input family csv,text
Exemples PDF
Exemples PDF generes par les outils du 2026-02-01 au 2026-02-10
preferred input family text,json
Hubs associés
Outils Json pour Convert
Découvrez 100 outils json pour des workflows de convert et comparez rapidement des utilitaires proches.
Outils Text pour Convert
Découvrez 80 outils text pour des workflows de convert et comparez rapidement des utilitaires proches.
Outils Csv pour Convert
Découvrez 38 outils csv pour des workflows de convert et comparez rapidement des utilitaires proches.
Outils Json
Découvrez 45 outils json pour des workflows de utility et comparez rapidement des utilitaires proches.
FAQ
Quels moteurs de base de données sont pris en charge ?
L'outil génère du code SQL compatible avec PostgreSQL, MySQL, SQLite et SQL Server.
Comment l'outil détermine-t-il les types de données ?
Il inspecte les valeurs de chaque colonne du CSV pour déduire s'il s'agit de texte, d'entiers, de décimales, de booléens, de dates ou de dates-heures.
Puis-je forcer un type de données spécifique ?
Oui, le champ Overrides de schéma (JSON) permet de forcer un type ou un index pour une colonne précise.
Comment fonctionne la génération du plan ALTER ?
Si vous fournissez le code CREATE TABLE actuel, l'outil compare les colonnes du CSV avec ce schéma et génère les requêtes ALTER TABLE ADD pour les nouvelles colonnes.
L'outil détecte-t-il les clés primaires et étrangères ?
Oui, il suggère des clés primaires pour les colonnes uniques comme id ou uuid, et donne des pistes de clés étrangères pour les colonnes comme user_id.