Logo für CSV-Dateien mit mehreren Datensätzen

Markierte Datensätze Neu

Anfrage a CSV-Datei mit mehreren Datensätzen mit SQL – in Excel, Google Sheets, KI und REST

Bei CSV-Dateien, die mehrere Datensatztypen gleichzeitig enthalten, gibt ein Tag in jeder Zeile deren Inhalt an. Maschinen- und Austausch-Exporte erscheinen herkömmlichen CSV-Tools unverständlich; dieses Tool wandelt sie in eine übersichtliche Tabelle pro Datensatztyp um.

Kostenlos starten 13 Reiseziele Anleitung für CSV-Dateien mit mehreren Datensätzen

Eine Verbindung, jede Oberfläche

Wohin Ihre CSV-Daten mit mehreren Datensätzen gelangen können

CSV-Datei mit mehreren Datensätzen viele Dateien → jeweils ein Live-Tisch
Verbundabfragen + jeder andere Anschluss · eine SQL-Abfrage über verschiedene Quellen hinweg · jeder Plan
Netzwerk-Agent
  • 1 ausgehende Verbindung
  • 0 eingehende Ports
  • Schreibgeschützt · Dateien bleiben an ihrem Platz

läuft auf

Query Streams wandelt einen Ordner mit getaggten CSV-Dateien mit mehreren Datensätzen in übersichtliche SQL-Tabellen um, die mit Microsoft Excel, Google Sheets, KI-Assistenten über MCP, der REST-API und Power BI lesbar sind. Ein Tag in jeder Zeile gibt deren Inhalt an, sodass der selbstgehostete Agent die Daten der Tabelle für den jeweiligen Datensatztyp zuordnet. So werden aus einer Datei mit PNLHDR-Headerzeilen und PNL1-Detailzeilen zwei separate Tabellen anstatt eines unbrauchbaren Datenblocks. Die Dateien verbleiben auf Ihrem Rechner; nur die Abfrageergebnisse verlassen das Netzwerk.

Einer von neun Dateisatztreibern auf einer Ordner-Engine – die Inventartabellen, Änderungsprotokolle und Ablehnungsregeln unter Funktionen werden von der Familie geteilt CSV-Datei mit mehreren Datensätzen Dateisystem CSV-Ordner Parkettordner Excel-Ordner SQLite-Ordner JSONL-Ordner Maschinenprotokolle Webserver-Protokolle

  1. Für Ihr Team, Ihre Lieferanten und Partner

  2. Mehrere Datensätze von CSV nach Excel konvertieren Microsoft Excel · Excel-Add-in

    Live-Ergebnisse aus Multi-Record-CSV-Dateien direkt in ein Arbeitsblatt importieren und bei Bedarf aktualisieren – Desktop-Excel, Excel Online, Microsoft 365.

    So funktioniert Excel

  3. Mehrere Datensätze aus einer CSV-Datei in Google Tabellen konvertieren Tabellen-Add-on

    Führen Sie eine gespeicherte CSV-Abfrage mit mehreren Datensätzen aus der Seitenleiste aus und ziehen Sie die Zeilen in das Tabellenblatt. Gemeinsame Mitarbeiter können es selbst aktualisieren.

    So funktioniert Google Sheets

  4. Fragen Sie Nova nach CSV-Dateien mit mehreren Datensätzen. Nova AI · Text zu SQL

    Stellen Sie Ihre Frage in einfachem Englisch. Nova kennt Ihre CSV-Tabellen mit mehreren Datensätzen bereits, schreibt und führt die SQL-Abfrage aus, erklärt die Antwort und stellt sie grafisch dar – Sie müssen keine Abfrage schreiben und keine Zugangsdaten angeben.

    So funktioniert Nova

  5. CSV-Datei mit mehreren Datensätzen zu Datenbetrachter Ergebnispräsentation · Team, Lieferanten, Partner · Smartphone, Tablet, Desktop

    Teilen Sie Live-Ergebnisse aus einer CSV-Datei mit mehreren Datensätzen mit beliebigen Personen – Kollegen, Lieferanten, Partnern – als Lesezeichen speichernde Tabelle, die beim Öffnen auf einem Smartphone, Tablet oder Desktop-Computer immer wieder neu angezeigt wird. Die Empfänger sehen nur die Ergebnisse, niemals die SQL-Abfragen oder die Dateien.

    So funktioniert der Datenbetrachter
  6. Für Apps und Systeme

  7. Multi-Record CSV REST-API HTTP-Endpunkt

    Veröffentlichen Sie eine CSV-Abfrage mit mehreren Datensätzen als authentifizierten JSON-Endpunkt, den jede Anwendung aufrufen kann, mit einer OpenAPI 3.1-Spezifikation und vorgefertigten Sammlungen für Postman, Insomnia und Hoppscotch. Es wird kein Datenbankport geöffnet.

    Wie funktioniert die REST-API?

  8. Mehrere Datensätze aus einer CSV-Datei in Power BI konvertieren Power Query M

    Fügen Sie die generierte Power Query M in den Power BI Advanced Editor ein, und der Bericht liest Live-CSV-Ergebnisse mit mehreren Datensätzen über HTTPS – ohne ODBC-Treiber und ohne geöffneten Datenbankport.

    So funktioniert Power BI

  9. Mehrere Datensätze als CSV-Datei in Airtable konvertieren Automatisierungsplattform

    Synchronisieren Sie CSV-Zeilen mit mehreren Datensätzen zeitgesteuert mit einer Airtable-Basis oder rufen Sie sie innerhalb eines Airtable-Automatisierungsskripts ab.

    So funktioniert Airtable

  10. Mehrfach-Datensatz-CSV zu Baserow Automatisierungsplattform

    Eine Baserow-Tabelle kann über den REST-Endpunkt mit Daten aus einer Multi-Record-CSV-Datei gespeist werden – entweder selbst gehostet oder in der Baserow-Cloud.

    So funktioniert Baserow

  11. Mehrfach-CSV-Datei in SeaTable Automatisierungsplattform

    Halten Sie eine SeaTable-Datenbank mit CSV-Daten mehrerer Datensätze aktuell, ohne eine Datei zu exportieren oder die Datenbank preiszugeben.

    So funktioniert SeaTable

  12. Mehrere Datensätze aus einer CSV-Datei in Smartsheet konvertieren Automatisierungsplattform

    Die Ergebnisse der CSV-Datei mit mehreren Datensätzen werden in ein Smartsheet-Raster übertragen, sodass Pläne und Berichte aus dem Quellsystem und nicht aus dem Export der letzten Woche gelesen werden.

    So funktioniert Smartsheet

  13. CSV-Datei mit mehreren Datensätzen zu Anvil Anvil Works · App-Plattform

    Eine Anvil Python-App mit Multi-Record-CSV über den REST-Endpunkt unterstützen, anstatt Datenbankzugangsdaten in die App einzubetten.

    So funktioniert Anvil
  14. Für KI-Tools

  15. Multi-Record CSV MCP-Server Claude-, Cursor- und MCP-Clients

    Gewähren Sie einem KI-Assistenten Lesezugriff auf eine CSV-Datei mit mehreren Datensätzen, die das Schema enthält, das er zum Schreiben korrekter SQL-Abfragen benötigt – ohne Anmeldeinformationen im Chat.

    So funktioniert MCP
  16. An Personen geliefert

  17. Benachrichtigungen und Berichte im CSV-Format mit mehreren Datensätzen Slack · Discord · E-Mail · Webhook

    Richten Sie eine CSV-Abfrage mit mehreren Datensätzen auf einen Zeitplan ein und lassen Sie die Zeilen an Slack, Discord, E-Mail oder einen signierten Webhook liefern – oder halten Sie die Nachricht zurück, bis eine bestimmte Zeilenanzahl, ein Schwellenwert oder eine prozentuale Änderung die von Ihnen festgelegte Grenze überschreitet.

    So funktionieren Benachrichtigungen und Berichte

So funktioniert es

5 Schritte, keine Änderung der eingehenden Firewall

01

Installieren Sie den Netzwerkagenten dort, wo er den Ordner mit den getaggten CSV-Dateien sehen kann – Exporte von Plattensägen und Maschinen, EDI-ähnliche Daten, Austauschdateien im Festformat.

02

Richten Sie den Stecker darauf und geben Sie an, welche Spalte das Datensatz-Tag enthält. In den meisten dieser Formate ist es Spalte 1.

03

Der Agent liest jede Zeile, prüft deren Tag und leitet sie an die Tabelle für diesen Datensatztyp weiter. Aus einer Datei mit PNLHDR-Headerzeilen und PNL1-Detailzeilen werden so zwei separate Tabellen anstatt eines unbrauchbaren Datenblocks.

04

Jede Zeile behält ihre _source_file sowie eine _seq-Nummer, die diesen Datensatztyp innerhalb der Datei zählt – wodurch Sie einen Header mit den zugehörigen Zeilen verknüpfen können.

05

Fragen Sie jeden Datensatztyp einzeln ab oder führen Sie sie wieder zusammen.

Funktionsanalyse

Was bietet Ihnen Multi-Record-CSV?

Warum diese Karte existiert

Gängige CSV-Tools gehen von einem rechteckigen Layout pro Datei aus: einer Kopfzeile, gefolgt von Zeilen, die alle dem gleichen Layout entsprechen. Maschinen- und Austauschformate brechen diese Regel bewusst. Jede Zeile beginnt mit einem Tag, der den Datensatztyp angibt, und jeder Typ hat eine unterschiedliche Anzahl von Feldern. Verwendet man einen normalen CSV-Importer für einen solchen Datensatz, erhält man entweder eine Fehlermeldung oder fehlerhafte Spalten.

Wie die Tische aussehen

  • Ein Tisch pro Etikett — benannt nach dem Tag selbst, sodass PNLHDR und PNL1 eigene Tabellen werden.
  • Die Felder werden als field_1, field_2 usw. in der Reihenfolge ihres Erscheinens angeliefert, wobei die Spalte mit den Tags weggelassen wird.
  • _seq nummeriert jeden Datensatz eines bestimmten Typs innerhalb seiner Datei, sodass eine Kopfzeile und die darunter liegenden Detailzeilen einander zugeordnet werden können.
  • Die Typen werden pro Feld und pro Tag ermittelt und auf Übereinstimmung in allen Dateien geprüft, bevor etwas festgelegt wird.
-- Panels pro Exportdatei ausschneiden SELECT _source_file, COUNT(*) AS panels FROM data_pnl1 GROUP BY _source_file

Fehler werden benannt, niemals verdrängt.

Enthält eine Zeile die falsche Anzahl an Feldern für ihr Tag, ein unbekanntes Tag oder einen Wert, der nicht passt, wird die gesamte Datei zurückgehalten. Der Bericht gibt dann die Datei, die Zeilennummer und das Tag an – bis zu zwanzig davon – und zählt anschließend die restlichen Zeilen. Es werden keine Daten nur teilweise geladen, sodass Sie nie versehentlich drei Zeilen zu wenig haben.

Ich bin mir nicht sicher, welche Karte Sie benötigen.

Wenn alle Zeilen in der Datei die gleiche Struktur aufweisen und nur eine Kopfzeile vorhanden ist, ist die Karte „CSV-Ordner“ die richtige Wahl. Verwenden Sie diese Karte nur dann, wenn eine Spalte mit Tags die Bedeutung jeder Zeile festlegt.

Wird von der gesamten Dateisatzfamilie gemeinsam genutzt

Jeder Ordnerverbinder bietet Ihnen außerdem

  • files_current — ein Live-Inventar: jede Datei, die der Konnektor aktuell sehen kann, mit Pfad, Größe und Änderungsdatum.
  • Dateien_Ereignisse — der Prüfpfad: was erschienen ist, was sich geändert hat, was verschwunden ist und alles zurückgehalten wurde, mit Dateiname und Grund.
  • Verzeichnisse und Datenträger — Gesamtzahlen pro Ordner, täglicher Wachstumsverlauf und wie viel Speicherplatz auf dem Laufwerk noch verfügbar ist.
  • Nur die tatsächlich geänderten Dateien werden bei jeder Synchronisierung neu eingelesen. Ein Ordner mit 50.000 Dateien wird also nicht erneut analysiert, nur weil eine neue Exportdatei hinzugefügt wurde.

Gut zu wissen

  • Schreibgeschützt, erzwungen — Nur SELECT-Anweisungen und ähnliche Befehle werden ausgeführt. Ihre Dateien werden weder geschrieben, verschoben noch umbenannt.
  • Es wurde nichts hochgeladen. Die Daten werden verschlüsselt und zwischengespeichert auf Ihrem eigenen Rechner neben dem Agenten. Nur das Ergebnis einer Abfrage verlässt Ihr Netzwerk.
  • Sinnvolle Standardeinstellungen — Bis zu 250.000 Dateien, 16 Ordner tief, 512 MB pro Datei, alles anpassbar. Papierkorb, .git- und node_modules-Ordner werden immer übersprungen.
  • Der SQL-Dialekt ist DuckDB. — dieselbe SQL-Anweisung, die Sie auch für jeden anderen Konnektor schreiben würden.

Quellübergreifendes SQL

Fügen Sie die CSV-Datei mit mehreren Datensätzen zu Ihren übrigen Daten hinzu.

Ein Ordner mit Dateien ist wie jede andere Sammlung von SQL-Tabellen. Daher kann eine einzige Anweisung ihn gleichzeitig mit einer Datenbank und einer API verknüpfen. Jede Datenquelle führt nur den für sie geeigneten Teil aus, sendet das Ergebnis zurück, und die Verknüpfung erfolgt zentral – die Datenquellen kommunizieren nicht miteinander, und es werden keine Daten kopiert.

3 Verbindungen · 3 Agenten

CSV-Datei mit mehreren Datensätzen Markierte Datensätze
PostgreSQL Relationale Maschine
Streifen Zahlungen & Rechnungsstellung

Eine Aussage

– nichts kopiert, nichts zusammengeführt, nichts geplant
SELECT   c.region, COUNT(*) AS orders, SUM(i.amount_due) AS invoiced
VON     machine_csv.fileset.data_pnlhdr1 f
JOIN     pg_crm.public.customers2         c ON c.id = f.customer_id
JOIN     Abrechnung.stripe.invoices3         i ON i.customer = c.stripe_id
GROUP BY c.region
ORDER BY in Rechnung gestellte Beschreibung;

Die drei Bestandteile sind Verbindung, Schema und Tabelle – der Verbindungsname ist der von Ihnen gewählte. Die Spalten dienen nur der Veranschaulichung; Ihre Tabellen entsprechen Ihren tatsächlichen Tabellen. Der Schreibschutz gilt für alle Komponenten: Nur SELECT, WITH und EXPLAIN sind zulässig, und es gibt eine Obergrenze für die Datenmenge, die eine einzelne Datenquelle pro Abfrage übermitteln darf. Wie föderierte Abfragen funktionieren

Verbindungsdetails

Was benötigt eine CSV-Datei mit mehreren Datensätzen?

Ordner
Ein oder mehrere Stammverzeichnisse mit getaggten CSV-Exporten, einschließlich Unterordnern – Ausgabedaten von Plattensägen und Maschinen, EDI-ähnliche Dateien, Austauschdateien im Festformat
Tag-Spalte
Die Spalte, die das Datensatz-Tag enthält – standardmäßig Spalte 1, wo es in diesen Formaten fast immer platziert wird.
Tabellen
Eine Datei pro Tag, benannt nach dem Tag selbst – eine Datei mit PNLHDR-Headerzeilen und PNL1-Detailzeilen wird zu data_pnlhdr und data_pnl1.
Spalten
Feld_1, Feld_2 usw. werden in der Reihenfolge ihres Erscheinens verwendet, wobei die Spalte mit den Tags ausgelassen wird; die Typen werden pro Feld und pro Tag ermittelt und auf Übereinstimmung in allen Dateien geprüft, bevor etwas fixiert wird.
Zeilentasten
_source_file benennt die Exportdatei und _seq zählt jeden Datensatz dieses Typs in der Datei, wodurch ein Header den darunter stehenden Detailzeilen zugeordnet werden kann.
Fehler
Eine falsche Feldanzahl, ein nicht erkanntes Tag oder ein unpassender Wert führt zum Abbruch der gesamten Datei; der Bericht nennt die Datei, die Zeilennummer und das Tag (bis zu zwanzig davon) und zählt anschließend die restlichen Felder.
Grenzen
Bis zu 250.000 Dateien, 16 Ordnerebenen tief, 512 MB pro Datei – alles anpassbar
Anmeldedaten
Keiner – es gibt keinen Server; der Agent liest die Dateien direkt vom Speicherort.
SQL-Dialekt
DuckDB – Standard-SQL, keine formatspezifischen Lernanforderungen.

In diesem Szenario gibt es keinen Datenbankserver. Der Agent liest die Dateien an ihrem ursprünglichen Speicherort, speichert die Zeilen in einem verschlüsselten DuckDB-Cache auf demselben Rechner und liest nur die tatsächlich geänderten Dateien erneut ein – die Exporte eines ganzen Jahres werden nicht erneut analysiert, nur weil heute Morgen neue Daten eingegangen sind. Es werden keine Daten in Query Streams hochgeladen; das Einzige, was Ihr Netzwerk verlässt, ist das Ergebnis einer Abfrage.

Gängige CSV-Tools gehen von einem einheitlichen rechteckigen Layout pro Datei aus: einer Kopfzeile, gefolgt von Zeilen, die alle dem gleichen Layout entsprechen. Maschinen- und Austauschformate brechen diese Regel bewusst – jede Zeile beginnt mit einem Tag, der den Datensatztyp angibt, und jeder Typ enthält eine unterschiedliche Anzahl von Feldern. Wenn Sie ein normales Importprogramm auf eine solche Datei anwenden, erhalten Sie eine Fehlermeldung oder fehlerhafte Spalten. Wenn jede Zeile Ihrer Datei das gleiche Layout aufweist und nur eine Kopfzeile vorhanden ist, ist das CSV-Ordnerformat die richtige Wahl. Verwenden Sie dieses Format nur, wenn eine Tag-Spalte die Bedeutung jeder Zeile festlegt.

Häufig gestellte Fragen

Fragen zu CSV-Dateien mit mehreren Datensätzen

Welche Tools können Multi-Record-CSV-Daten über Query Streams lesen?

Alle Anwendungen – Excel, Google Sheets, MCP, REST-API, Airtable, Baserow, SeaTable, Smartsheet, Anvil, Power BI, geplante Benachrichtigungen und Berichte – werden über eine einzige Verbindung zugänglich gemacht. Verbinden Sie den Ordner einmalig, und alle Anwendungen greifen auf dieselbe schreibgeschützte Verbindung zu – es ist keine Einrichtung pro Tool erforderlich und es werden keine Datenkopien erstellt.

Werden meine Dateien in Query Streams hochgeladen?

Nein. Der Netzwerkagent liest die Dateien direkt im Netzwerk und speichert die Ergebnisse verschlüsselt auf demselben Rechner. Die Dateien selbst verlassen Ihr Netzwerk nie – nur die Ergebniszeilen einer Abfrage werden über eine einzige verschlüsselte ausgehende Verbindung ohne eingehenden Firewall-Port übertragen.

Kann Query Streams meine Dateien ändern, verschieben oder umbenennen?

Nein. Dateien werden ausschließlich schreibgeschützt geöffnet und niemals beschrieben, verschoben oder umbenannt. Abfragen werden zum Zeitpunkt der Ausführung ausschließlich schreibgeschützt ausgeführt – jeweils nur eine Anweisung, beispielsweise SELECT oder ähnliche.

Was benötigt Query Streams, um eine Verbindung zu Multi-Record-CSV-Dateien herzustellen?

Ein Ordnerpfad, auf den der Agentenrechner zugreifen kann – kein Server, keine Anmeldeinformationen, keine Treiberinstallation erforderlich. Ordner: Ein oder mehrere Stammverzeichnisse mit getaggten CSV-Exporten, einschließlich Unterordnern – Panel-Saw- und Maschinenausgabe, EDI-ähnliche Dateien, Austauschdateien im Festformat. Tag-Spalte: Die Spalte mit dem Datensatz-Tag – standardmäßig Spalte 1, wo dieser in den meisten Formaten üblicherweise gespeichert wird. Tabellen: Eine pro Tag, benannt nach dem Tag selbst – eine Datei mit PNLHDR-Headerzeilen und PNL1-Detailzeilen wird zu data_pnlhdr und data_pnl1. Spalten: field_1, field_2 usw. in der Reihenfolge ihres Auftretens, wobei die Tag-Spalte ausgelassen wird; die Datentypen werden pro Feld und pro Tag ermittelt und auf Übereinstimmung in allen Dateien geprüft, bevor Daten festgelegt werden.

Kann ich einen Ordner mit Dateien in derselben Abfrage mit einer Datenbank verknüpfen?

Ja, das ist eine föderierte Abfrage. Eine einzige Anweisung kann gleichzeitig auf Multi-Record-CSV und Ihre anderen Verbindungen zugreifen (geschrieben als Verbindung.Schema.Tabelle). Jede Quelle führt nur den Teil aus, den sie verarbeiten kann, und streamt das Ergebnis zurück. Der Join erfolgt zentral, sodass die Quellen keine Verbindung zueinander herstellen und nichts kopiert oder eingeplant wird. Der Schreibschutz gilt nur für SELECT, WITH und EXPLAIN. Außerdem ist die Datenmenge, die eine Quelle für eine einzelne Abfrage übermitteln darf, begrenzt. Föderierte Abfragen sind eine Funktion des Abonnementplans. Die Seite für föderierte Abfragen zeigt die aktuellen Quell- und Größenbeschränkungen an.

Platzieren Sie die CSV-Datei mit mehreren Datensätzen dort, wo die Arbeit stattfindet.

Installieren Sie den Agenten, verweisen Sie ihn auf Ihren Ordner und wählen Sie ein Ziel aus.

Kostenlos starten Alle Anschlüsse

Schreibgeschützt Nur ausgehend Die Zugangsdaten bleiben beim Agenten.