如何用 sql 找到文件大小大于 500k 的

sql 应该不行，但思源好像有获取目录信息的接口

术业有专攻 借用这个软件还是很快的能获取到 对应的文件的, 就是需要转换下 id 和名称

这有两种种情况，

如果你说的是引用资源，用 SQL 办不到，思源数据库并未存储引用资源占用大小，需要查询结果后通过 js 来读取文件实现，

如果你说的是思源笔记文档占用，这又分两种情况，

如果你想查看的是.sy 文件的占用大小，这通过 SQL 也办不到，需要查询后 js 来读取文件实现，

如果你说的是，纯文本内容，比如 Markdown 占用大小，这又分两种情况，

如果你说的是精确占用，这很难，除非你把查询结果存为文件，然后再读取占用大小，

如果你非得用 SQL 实现精确计算，这是非常困难的，除非你能考虑所有特殊情况，

如果你说仅仅估算大小，SQL 还是可以算算的，

如果你需要的不是估算，那么看到此就可以结束了。

如果你能接受估算，请看下文：

先说理论

首先，不同的编码存储的文件占用大小是不一样的，这里以常用的 utf8 存储为例说明，我查看了下思源数据库也是 utf8 存储的。

在 utf8 中，通常字节占用如下

• 对于 ASCII 字符（包括英文字母、数字和大多数标点符号），每个字符占用 1 字节。
• 对于非 ASCII 字符（如大部分欧洲语言字符），每个字符占用 2 字节。
• 对于中文、日文和韩文字符，每个字符通常占用 3 字节。
• 对于一些特殊字符或表情符号，每个字符可能占用 4 字节。

这里不考虑其他情况，就假设以英文和中文为主，那么英文和中文的字节占比基本上就是 1:3

那么，如果假设英文字符占比为 𝑥%，中文字符占比为 𝑦%，总字符数为 𝑛，那么可以使用以下公式来计算文件的大小（以字节为单位）：

计算公式

文件大小 (字节)=(𝑥%×𝑛×1)+(𝑦%×𝑛×3)

这里：

• 𝑥%×𝑛 表示英文字符的数量，每个英文字符占用 1 字节。
• 𝑦%×𝑛 表示中文字符的数量，每个中文字符占用 3 字节。

示例

假设总字符数 𝑛=1000，其中 20% 为英文字符，80% 为中文字符，那么：

• 英文字符数量：0.2×1000=200
• 中文字符数量：0.8×1000=800

代入公式计算文件大小： 文件大小 (字节)=(0.2×1000×1)+(0.8×1000×3)=200+2400=2600

再说 SQL

有了以上公式就可以通过 SQL 计算了

首先这里按照你说的文件是指文档块来理解，那么文档块下面通常分很多容器或叶子块，但它们的 root_id 都是同一个，即文档块的 id

根据这个特点，我们通过嵌套查询就可以汇总出文档的所有块的 Markdown 文本占用大小了，不过超级复杂，仅当参考吧，下面这个 SQL 是 AI 生成的，就当作伪代码参考吧。

WITH markdown_lengths AS (
    SELECT
        root_id,
        -- 计算英文字符数量
        LENGTH(REPLACE(markdown, ' ', '')) FILTER (WHERE markdown ~ '[a-zA-Z0-9 ]') / LENGTH(markdown) * 100 AS x_percent,
        -- 计算中文字符数量
        LENGTH(markdown) - LENGTH(REPLACE(markdown, ' ', '')) FILTER (WHERE markdown ~ '[a-zA-Z0-9 ]') / LENGTH(markdown) * 100 AS y_percent,
        -- 计算总字符数
        LENGTH(markdown) AS n,
        -- 计算总字节数
        (LENGTH(REPLACE(markdown, ' ', '')) FILTER (WHERE markdown ~ '[a-zA-Z0-9 ]') / LENGTH(markdown) * 100 * LENGTH(markdown) * 1 +
         (LENGTH(markdown) - LENGTH(REPLACE(markdown, ' ', '')) FILTER (WHERE markdown ~ '[a-zA-Z0-9 ]') / LENGTH(markdown) * 100 * LENGTH(markdown) * 3) / 100) AS markdown_bytes
    FROM blocks
    WHERE root_id IS NOT NULL
),
subquery AS (
    SELECT root_id, SUM(markdown_bytes) AS total_markdown_bytes
    FROM markdown_lengths
    GROUP BY root_id
)
SELECT p.id AS parent_id, p.content AS title, p.hpath, p.markdown AS parent_markdown,
       COALESCE(s.total_markdown_bytes, 0) AS total_markdown_bytes
FROM (
    SELECT id, content, hpath, markdown
    FROM blocks
    WHERE root_id IS NULL
) p
LEFT JOIN subquery s ON p.id = s.root_id
WHERE COALESCE(s.total_markdown_bytes, 0) > 500000

哈哈哈，看了后，我建议你还是用 js 来实现吧。