sqlServerConnector 0.1.0__tar.gz → 0.1.2__tar.gz

sqlserverconnector-0.1.2/PKG-INFO

@@ -0,0 +1,130 @@
+Metadata-Version: 2.4
+Name: sqlServerConnector
+Version: 0.1.2
+Summary: A custom SQL Server Connector for ETL processes with Pandas
+Author-email: Nguyen Minh Son <nguyen.minhson1511@gmail.com>
+Project-URL: Homepage, https://github.com/johnnyb1509/sqlServerConnector
+Keywords: sql,etl,pandas,sqlalchemy
+Classifier: Programming Language :: Python :: 3
+Classifier: Operating System :: OS Independent
+Requires-Python: >=3.8
+Description-Content-Type: text/markdown
+Requires-Dist: pandas>=1.5.0
+Requires-Dist: numpy
+Requires-Dist: sqlalchemy>=2.0.0
+Requires-Dist: pyodbc
+Requires-Dist: pyyaml
+Requires-Dist: loguru
+Requires-Dist: jupyterlab
+
+# SQL Server Connector
+
+Thư viện kết nối SQL Server chuyên dụng cho các tác vụ ETL, được tối ưu hóa cho **Pandas**, hỗ trợ **Tiếng Việt (Unicode)** và **Upsert (Merge)** hiệu năng cao.
+
+## 🚀 Tính năng nổi bật
+
+* **High Performance:** Sử dụng `fast_executemany` giúp insert dữ liệu nhanh gấp 10-50 lần so với thông thường.
+* **Smart Upsert:** Tự động chèn mới (Insert) hoặc cập nhật (Update) dựa trên Khóa chính (Primary Key).
+* **Schema Evolution:** Tự động tạo bảng nếu chưa có, tự động thêm cột mới (Add Column) nếu DataFrame có thay đổi.
+* **Unicode Support:** Xử lý triệt để lỗi font chữ Tiếng Việt khi làm việc với SQL Server & Pandas.
+* **SQLAlchemy 2.0:** Tuân thủ chuẩn kết nối hiện đại, an toàn.
+
+---
+
+## 📦 Cài đặt
+
+### Cách 1: Cài đặt trực tiếp từ Git (Khuyên dùng nội bộ)
+Dành cho đồng nghiệp trong team, cài đặt không cần file whl.
+
+```bash
+# Cài phiên bản mới nhất từ nhánh main
+
+pip install git+https://github.com/johnnyb1509/sqlServerConnector.git
+```
+
+### Cách 2: Cài đặt từ file .whl
+Dành cho người dùng cuối, cài đặt từ file whl đã build sẵn.
+
+```bash
+pip install sqlServerConnector
+```
+
+
+## Cấu hình kết nối Database
+File cấu hình `db_config.yaml`
+
+```yaml
+# Thông tin kết nối Database
+# Lưu ý: Đảm bảo máy tính đã cài đặt ODBC Driver 17 for SQL Server
+db_info:
+    server: "localhost"  # Ví dụ: localhost hoặc  
+    database: "YOUR_DATABASE_NAME"    # Ví dụ: TestDB
+    username: "YOUR_USERNAME"         # Ví dụ: sa
+    password: "YOUR_PASSWORD"         # Mật khẩu
+```
+
+## 📝 Hướng dẫn sử dụng nhanh
+
+1. Khởi tạo kết nối
+```python   
+import yaml
+from connector import SQLServerConnector
+# Load config
+with open('config/db_config.yaml', 'r') as f:
+    conf = yaml.safe_load(f)['db_info']
+
+# Khởi tạo
+db = SQLServerConnector(
+    server=conf['server'],
+    database=conf['database'],
+    username=conf['username'],
+    password=conf['password']
+)
+```
+
+2. Lấy dữ liệu (Read)
+```python
+# Cách 1: Lấy toàn bộ bảng
+df = db.get_data("DM_KhachHang")
+
+# Cách 2: Dùng câu lệnh SQL tùy ý
+query = """
+    SELECT TOP 100 * FROM Sales_Transaction 
+    WHERE created_date >= '2023-01-01'
+"""
+df_sales = db.get_data(query)
+print(df_sales.head())
+```
+
+3. Ghi dữ liệu (Upsert)
+```python
+import pandas as pd
+
+# Giả lập dữ liệu
+data = {
+    'TransactionID': [101, 102],
+    'Product': ['Laptop Dell', 'Chuột Logitech'], # Hỗ trợ tiếng Việt
+    'Amount': [15000000, 250000]
+}
+df_new = pd.DataFrame(data)
+
+# Đẩy vào DB
+db.upsert_data(
+    df=df_new,
+    target_table="Fact_Sales",
+    primary_key="TransactionID",  # Cột dùng để định danh (tránh trùng lặp)
+    auto_evolve_schema=True       # Tự động thêm cột nếu thiếu
+)
+print("Dữ liệu đã được upsert thành công!")
+```
+
+4. Đóng kết nối
+```python
+# Luôn đóng kết nối khi hoàn tất để giải phóng tài nguyên
+db.dispose()
+```
+
+## ⚠️ Lưu ý quan trọng
+1. **Primary Key:** Khi dùng upsert_data, bắt buộc phải cung cấp primary_key. Nếu bảng chưa có Primary Key, thư viện sẽ tự set cột đó làm khóa chính khi tạo bảng mới.
+
+2. **Date Time:** Các cột ngày tháng nên được convert sang datetime64[ns] trong Pandas trước khi đẩy vào để đảm bảo tính chính xác.

sqlserverconnector-0.1.2/README.md

@@ -0,0 +1,111 @@
+# SQL Server Connector
+
+Thư viện kết nối SQL Server chuyên dụng cho các tác vụ ETL, được tối ưu hóa cho **Pandas**, hỗ trợ **Tiếng Việt (Unicode)** và **Upsert (Merge)** hiệu năng cao.
+
+## 🚀 Tính năng nổi bật
+
+* **High Performance:** Sử dụng `fast_executemany` giúp insert dữ liệu nhanh gấp 10-50 lần so với thông thường.
+* **Smart Upsert:** Tự động chèn mới (Insert) hoặc cập nhật (Update) dựa trên Khóa chính (Primary Key).
+* **Schema Evolution:** Tự động tạo bảng nếu chưa có, tự động thêm cột mới (Add Column) nếu DataFrame có thay đổi.
+* **Unicode Support:** Xử lý triệt để lỗi font chữ Tiếng Việt khi làm việc với SQL Server & Pandas.
+* **SQLAlchemy 2.0:** Tuân thủ chuẩn kết nối hiện đại, an toàn.
+
+---
+
+## 📦 Cài đặt
+
+### Cách 1: Cài đặt trực tiếp từ Git (Khuyên dùng nội bộ)
+Dành cho đồng nghiệp trong team, cài đặt không cần file whl.
+
+```bash
+# Cài phiên bản mới nhất từ nhánh main
+
+pip install git+https://github.com/johnnyb1509/sqlServerConnector.git
+```
+
+### Cách 2: Cài đặt từ file .whl
+Dành cho người dùng cuối, cài đặt từ file whl đã build sẵn.
+
+```bash
+pip install sqlServerConnector
+```
+
+
+## Cấu hình kết nối Database
+File cấu hình `db_config.yaml`
+
+```yaml
+# Thông tin kết nối Database
+# Lưu ý: Đảm bảo máy tính đã cài đặt ODBC Driver 17 for SQL Server
+db_info:
+    server: "localhost"  # Ví dụ: localhost hoặc  
+    database: "YOUR_DATABASE_NAME"    # Ví dụ: TestDB
+    username: "YOUR_USERNAME"         # Ví dụ: sa
+    password: "YOUR_PASSWORD"         # Mật khẩu
+```
+
+## 📝 Hướng dẫn sử dụng nhanh
+
+1. Khởi tạo kết nối
+```python   
+import yaml
+from connector import SQLServerConnector
+# Load config
+with open('config/db_config.yaml', 'r') as f:
+    conf = yaml.safe_load(f)['db_info']
+
+# Khởi tạo
+db = SQLServerConnector(
+    server=conf['server'],
+    database=conf['database'],
+    username=conf['username'],
+    password=conf['password']
+)
+```
+
+2. Lấy dữ liệu (Read)
+```python
+# Cách 1: Lấy toàn bộ bảng
+df = db.get_data("DM_KhachHang")
+
+# Cách 2: Dùng câu lệnh SQL tùy ý
+query = """
+    SELECT TOP 100 * FROM Sales_Transaction 
+    WHERE created_date >= '2023-01-01'
+"""
+df_sales = db.get_data(query)
+print(df_sales.head())
+```
+
+3. Ghi dữ liệu (Upsert)
+```python
+import pandas as pd
+
+# Giả lập dữ liệu
+data = {
+    'TransactionID': [101, 102],
+    'Product': ['Laptop Dell', 'Chuột Logitech'], # Hỗ trợ tiếng Việt
+    'Amount': [15000000, 250000]
+}
+df_new = pd.DataFrame(data)
+
+# Đẩy vào DB
+db.upsert_data(
+    df=df_new,
+    target_table="Fact_Sales",
+    primary_key="TransactionID",  # Cột dùng để định danh (tránh trùng lặp)
+    auto_evolve_schema=True       # Tự động thêm cột nếu thiếu
+)
+print("Dữ liệu đã được upsert thành công!")
+```
+
+4. Đóng kết nối
+```python
+# Luôn đóng kết nối khi hoàn tất để giải phóng tài nguyên
+db.dispose()
+```
+
+## ⚠️ Lưu ý quan trọng
+1. **Primary Key:** Khi dùng upsert_data, bắt buộc phải cung cấp primary_key. Nếu bảng chưa có Primary Key, thư viện sẽ tự set cột đó làm khóa chính khi tạo bảng mới.
+
+2. **Date Time:** Các cột ngày tháng nên được convert sang datetime64[ns] trong Pandas trước khi đẩy vào để đảm bảo tính chính xác.

{sqlserverconnector-0.1.0 → sqlserverconnector-0.1.2}/pyproject.toml

@@ -6,7 +6,7 @@ build-backend = "setuptools.build_meta"
 
 [project]
 name = "sqlServerConnector"
-version = "0.1.0"
+version = "0.1.2"
 description = "A custom SQL Server Connector for ETL processes with Pandas"
 readme = "README.md"
 requires-python = ">=3.8"

{sqlserverconnector-0.1.0 → sqlserverconnector-0.1.2}/src/connector.py

@@ -23,6 +23,8 @@ class SQLServerConnector:
     - Full Unicode/Vietnamese Support (NVARCHAR + UTF8).
     - Automatic Schema Evolution (adds missing columns).
     - Automatic Primary Key detection and creation.
+    - [NEW] Automatic Deduplication of source data before Upsert.
+    - [NEW] Prevents numeric conversion on Key columns.
     """
 
     def __init__(self, server: str, database: str, username: str, password: str, driver: str = 'ODBC Driver 17 for SQL Server'):
@@ -146,7 +148,7 @@ class SQLServerConnector:
                     match_columns: Optional[List[str]] = None,
                     auto_evolve_schema: bool = True):
         """
-        Main ETL Function with Unicode Support.
+        Main ETL Function with Unicode Support and Auto-Deduplication.
         
         Args:
             df: The new data to push.
@@ -159,8 +161,19 @@ class SQLServerConnector:
             logger.warning(f"Dataframe for {target_table} is empty. Skipping.")
             return
 
-        # 1. PRE-PROCESS DATA
-        df_clean = self._sanitize_dataframe(df)
+        # 0. DETERMINE JOIN KEYS FIRST
+        # We need this early to protect these keys from being converted to floats during sanitization
+        if match_columns:
+            join_keys = match_columns
+        elif primary_key in df.columns:
+            join_keys = [primary_key]
+        else:
+            # Fallback if table doesn't exist yet or columns missing, handled later but setup empty here
+            join_keys = []
+
+        # 1. PRE-PROCESS DATA (With Key Protection)
+        # Pass join_keys to exclude them from numeric conversion (prevents "123" -> 123.0)
+        df_clean = self._sanitize_dataframe(df, exclude_cols=join_keys)
         
         # 2. CHECK TARGET TABLE
         if not self.check_table_exists(target_table):
@@ -172,17 +185,26 @@ class SQLServerConnector:
         if auto_evolve_schema:
             self._sync_columns(df_clean, target_table)
 
-        # 4. DETERMINE MATCHING LOGIC
-        if match_columns:
-            join_keys = match_columns
-        elif primary_key in df_clean.columns:
-            join_keys = [primary_key]
-        else:
-            logger.error(f"CRITICAL: Primary Key '{primary_key}' is missing from DataFrame (likely Auto-Increment).")
-            logger.error("You MUST provide 'match_columns' to identify which rows to update.")
-            raise ValueError("Missing match keys for Identity Column Upsert.")
+        # 4. RE-VALIDATE JOIN KEYS
+        if not join_keys:
+            # Try to infer if not provided
+            if primary_key in df_clean.columns:
+                join_keys = [primary_key]
+            else:
+                logger.error(f"CRITICAL: Primary Key '{primary_key}' is missing from DataFrame.")
+                logger.error("You MUST provide 'match_columns' to identify which rows to update.")
+                raise ValueError("Missing match keys for Identity Column Upsert.")
+        
+        # 5. AUTO DEDUPLICATE SOURCE (CRITICAL FIX)
+        # SQL MERGE fails if source has duplicates. We enforce uniqueness on join keys here.
+        initial_count = len(df_clean)
+        df_clean = df_clean.drop_duplicates(subset=join_keys, keep='last')
+        final_count = len(df_clean)
+        
+        if initial_count != final_count:
+            logger.warning(f"Upsert Safety: Automatically dropped {initial_count - final_count} duplicate rows in source based on keys {join_keys}.")
 
-        # 5. EXECUTE UPSERT VIA STAGING
+        # 6. EXECUTE UPSERT VIA STAGING
         self._execute_merge_upsert(df_clean, target_table, join_keys)
 
     def _execute_merge_upsert(self, df: pd.DataFrame, target_table: str, join_keys: List[str]):
@@ -322,22 +344,25 @@ class SQLServerConnector:
     # HELPER: DATA CLEANING
     # ========================================================
 
-    def _sanitize_dataframe(self, df: pd.DataFrame) -> pd.DataFrame:
-        """Cleans numeric strings, NaT, and NaN values."""
+    def _sanitize_dataframe(self, df: pd.DataFrame, exclude_cols: List[str] = []) -> pd.DataFrame:
+        """
+        Cleans numeric strings, NaT, and NaN values.
+        Args:
+            df: Input dataframe.
+            exclude_cols: Columns to skip numeric conversion (e.g. IDs).
+        """
         df = df.copy()
         
-        # 1. Clean Numeric Strings
+        # 1. Clean Numeric Strings (Skip excluded columns)
         for col in df.select_dtypes(include=['object']).columns:
-            # Only try to convert to float if it looks like a number (digits or currency symbols)
-            # Avoid trying to convert Vietnamese text columns
+            if col in exclude_cols:
+                continue # PROTECT ID COLUMNS FROM BEING CONVERTED TO FLOATS
+                
+            # Only try to convert to float if it looks like a number
             sample = df[col].dropna().head(10).astype(str).tolist()
             if any(any(char.isdigit() for char in str(x)) for x in sample):
                  try:
-                     # Attempt conversion, but strictly ignore errors so we don't break text columns
-                     # We use a temp series to check if conversion is successful for majority
                      temp = df[col].apply(self._clean_numeric_string)
-                     # If the column was actually text (e.g., "Hà Nội"), _clean_numeric_string returns the original string.
-                     # We trust _clean_numeric_string to be safe.
                      df[col] = temp
                  except:
                      pass 
@@ -362,7 +387,6 @@ class SQLServerConnector:
         if not s: return None
         
         # Heuristic: If it contains many letters (excluding K,M,B,T for billions), it's probably text
-        # Count letters
         alpha_count = sum(c.isalpha() for c in s)
         if alpha_count > 1 and s[-1] not in ['K', 'M', 'B', 'T']:
             return value # It's likely text (e.g. "Cổ phiếu")
@@ -380,27 +404,4 @@ class SQLServerConnector:
         try:
             return float(s_clean)
         except ValueError:
-            return value
-
-# ========================================================
-# ENTRY POINT
-# ========================================================
-
-# def get_db_connector(yaml_path: Optional[str] = None, env_prefix: str = "DB") -> SQLServerConnector:
-#     """Factory function to initialize connector."""
-#     if yaml_path and os.path.exists(yaml_path):
-#         with open(yaml_path, 'r') as f:
-#             config = yaml.safe_load(f).get('db_info', {})
-#             return SQLServerConnector(
-#                 config.get('server'), 
-#                 config.get('database'), 
-#                 config.get('username'), 
-#                 config.get('password')
-#             )
-#     else:
-#         return SQLServerConnector(
-#             os.environ.get(f'{env_prefix}_SERVER'),
-#             os.environ.get(f'{env_prefix}_NAME'),
-#             os.environ.get(f'{env_prefix}_USER'),
-#             os.environ.get(f'{env_prefix}_PASS')
-#         )
+            return value

sqlserverconnector-0.1.2/src/sqlServerConnector.egg-info/PKG-INFO

@@ -0,0 +1,130 @@
+Metadata-Version: 2.4
+Name: sqlServerConnector
+Version: 0.1.2
+Summary: A custom SQL Server Connector for ETL processes with Pandas
+Author-email: Nguyen Minh Son <nguyen.minhson1511@gmail.com>
+Project-URL: Homepage, https://github.com/johnnyb1509/sqlServerConnector
+Keywords: sql,etl,pandas,sqlalchemy
+Classifier: Programming Language :: Python :: 3
+Classifier: Operating System :: OS Independent
+Requires-Python: >=3.8
+Description-Content-Type: text/markdown
+Requires-Dist: pandas>=1.5.0
+Requires-Dist: numpy
+Requires-Dist: sqlalchemy>=2.0.0
+Requires-Dist: pyodbc
+Requires-Dist: pyyaml
+Requires-Dist: loguru
+Requires-Dist: jupyterlab
+
+# SQL Server Connector
+
+Thư viện kết nối SQL Server chuyên dụng cho các tác vụ ETL, được tối ưu hóa cho **Pandas**, hỗ trợ **Tiếng Việt (Unicode)** và **Upsert (Merge)** hiệu năng cao.
+
+## 🚀 Tính năng nổi bật
+
+* **High Performance:** Sử dụng `fast_executemany` giúp insert dữ liệu nhanh gấp 10-50 lần so với thông thường.
+* **Smart Upsert:** Tự động chèn mới (Insert) hoặc cập nhật (Update) dựa trên Khóa chính (Primary Key).
+* **Schema Evolution:** Tự động tạo bảng nếu chưa có, tự động thêm cột mới (Add Column) nếu DataFrame có thay đổi.
+* **Unicode Support:** Xử lý triệt để lỗi font chữ Tiếng Việt khi làm việc với SQL Server & Pandas.
+* **SQLAlchemy 2.0:** Tuân thủ chuẩn kết nối hiện đại, an toàn.
+
+---
+
+## 📦 Cài đặt
+
+### Cách 1: Cài đặt trực tiếp từ Git (Khuyên dùng nội bộ)
+Dành cho đồng nghiệp trong team, cài đặt không cần file whl.
+
+```bash
+# Cài phiên bản mới nhất từ nhánh main
+
+pip install git+https://github.com/johnnyb1509/sqlServerConnector.git
+```
+
+### Cách 2: Cài đặt từ file .whl
+Dành cho người dùng cuối, cài đặt từ file whl đã build sẵn.
+
+```bash
+pip install sqlServerConnector
+```
+
+
+## Cấu hình kết nối Database
+File cấu hình `db_config.yaml`
+
+```yaml
+# Thông tin kết nối Database
+# Lưu ý: Đảm bảo máy tính đã cài đặt ODBC Driver 17 for SQL Server
+db_info:
+    server: "localhost"  # Ví dụ: localhost hoặc  
+    database: "YOUR_DATABASE_NAME"    # Ví dụ: TestDB
+    username: "YOUR_USERNAME"         # Ví dụ: sa
+    password: "YOUR_PASSWORD"         # Mật khẩu
+```
+
+## 📝 Hướng dẫn sử dụng nhanh
+
+1. Khởi tạo kết nối
+```python   
+import yaml
+from connector import SQLServerConnector
+# Load config
+with open('config/db_config.yaml', 'r') as f:
+    conf = yaml.safe_load(f)['db_info']
+
+# Khởi tạo
+db = SQLServerConnector(
+    server=conf['server'],
+    database=conf['database'],
+    username=conf['username'],
+    password=conf['password']
+)
+```
+
+2. Lấy dữ liệu (Read)
+```python
+# Cách 1: Lấy toàn bộ bảng
+df = db.get_data("DM_KhachHang")
+
+# Cách 2: Dùng câu lệnh SQL tùy ý
+query = """
+    SELECT TOP 100 * FROM Sales_Transaction 
+    WHERE created_date >= '2023-01-01'
+"""
+df_sales = db.get_data(query)
+print(df_sales.head())
+```
+
+3. Ghi dữ liệu (Upsert)
+```python
+import pandas as pd
+
+# Giả lập dữ liệu
+data = {
+    'TransactionID': [101, 102],
+    'Product': ['Laptop Dell', 'Chuột Logitech'], # Hỗ trợ tiếng Việt
+    'Amount': [15000000, 250000]
+}
+df_new = pd.DataFrame(data)
+
+# Đẩy vào DB
+db.upsert_data(
+    df=df_new,
+    target_table="Fact_Sales",
+    primary_key="TransactionID",  # Cột dùng để định danh (tránh trùng lặp)
+    auto_evolve_schema=True       # Tự động thêm cột nếu thiếu
+)
+print("Dữ liệu đã được upsert thành công!")
+```
+
+4. Đóng kết nối
+```python
+# Luôn đóng kết nối khi hoàn tất để giải phóng tài nguyên
+db.dispose()
+```
+
+## ⚠️ Lưu ý quan trọng
+1. **Primary Key:** Khi dùng upsert_data, bắt buộc phải cung cấp primary_key. Nếu bảng chưa có Primary Key, thư viện sẽ tự set cột đó làm khóa chính khi tạo bảng mới.
+
+2. **Date Time:** Các cột ngày tháng nên được convert sang datetime64[ns] trong Pandas trước khi đẩy vào để đảm bảo tính chính xác.

sqlserverconnector-0.1.0/PKG-INFO

@@ -1,57 +0,0 @@
-Metadata-Version: 2.4
-Name: sqlServerConnector
-Version: 0.1.0
-Summary: A custom SQL Server Connector for ETL processes with Pandas
-Author-email: Nguyen Minh Son <nguyen.minhson1511@gmail.com>
-Project-URL: Homepage, https://github.com/johnnyb1509/sqlServerConnector
-Keywords: sql,etl,pandas,sqlalchemy
-Classifier: Programming Language :: Python :: 3
-Classifier: Operating System :: OS Independent
-Requires-Python: >=3.8
-Description-Content-Type: text/markdown
-Requires-Dist: pandas>=1.5.0
-Requires-Dist: numpy
-Requires-Dist: sqlalchemy>=2.0.0
-Requires-Dist: pyodbc
-Requires-Dist: pyyaml
-Requires-Dist: loguru
-Requires-Dist: jupyterlab
-
-# SQL Data Connector Project
-
-Project này cung cấp module Python mạnh mẽ (`dbConnector`) để tương tác với Microsoft SQL Server, tối ưu hóa cho các tác vụ Data Engineering như: ETL, Insert dữ liệu lớn, và Đồng bộ hóa (Upsert) dữ liệu từ Pandas DataFrame.
-
-## Tính năng nổi bật
-
-* **Tự động hóa cao**: Tự động tạo bảng, phát hiện kiểu dữ liệu, và thêm cột mới nếu DataFrame thay đổi.
-* **Hiệu năng cao**: Sử dụng `fast_executemany=True` của SQLAlchemy/pyodbc để tăng tốc độ Insert.
-* **An toàn dữ liệu**: Hỗ trợ Transaction (Commit/Rollback) để đảm bảo tính toàn vẹn dữ liệu.
-* **Sync thông minh**: Hàm `check_and_update_table` giúp so sánh và chỉ update những dòng thay đổi, insert những dòng mới.
-* **Tiện ích**: Hỗ trợ làm sạch dữ liệu số (ví dụ: convert "1.5M" thành 1,500,000).
-
-## Yêu cầu cài đặt
-
-1.  **Hệ điều hành**: Windows, Linux, hoặc MacOS.
-2.  **Driver**: Cần cài đặt **ODBC Driver 17 for SQL Server**.
-    * [Tải về tại đây (Microsoft)](https://learn.microsoft.com/en-us/sql/connect/odbc/download-odbc-driver-for-sql-server)
-3.  **Python Libraries**:
-    ```bash
-    pip install -r requirements.txt
-    ```
-
-## Cấu trúc Project
-
-* `src/dbConnector.py`: Module chính chứa class `dbJob`.
-* `config/db_config.yaml`: File cấu hình database (cần tự tạo dựa trên mẫu).
-* `notebooks/demo_usage.ipynb`: Ví dụ cách sử dụng.
-
-## Hướng dẫn sử dụng nhanh
-
-### 1. Cấu hình kết nối
-Tạo file `config/db_config.yaml`:
-```yaml
-db_info:
-  server: "localhost"
-  database: "MyDatabase"
-  username: "sa"
-  password: "mypassword"

sqlserverconnector-0.1.0/README.md

@@ -1,38 +0,0 @@
-# SQL Data Connector Project
-
-Project này cung cấp module Python mạnh mẽ (`dbConnector`) để tương tác với Microsoft SQL Server, tối ưu hóa cho các tác vụ Data Engineering như: ETL, Insert dữ liệu lớn, và Đồng bộ hóa (Upsert) dữ liệu từ Pandas DataFrame.
-
-## Tính năng nổi bật
-
-* **Tự động hóa cao**: Tự động tạo bảng, phát hiện kiểu dữ liệu, và thêm cột mới nếu DataFrame thay đổi.
-* **Hiệu năng cao**: Sử dụng `fast_executemany=True` của SQLAlchemy/pyodbc để tăng tốc độ Insert.
-* **An toàn dữ liệu**: Hỗ trợ Transaction (Commit/Rollback) để đảm bảo tính toàn vẹn dữ liệu.
-* **Sync thông minh**: Hàm `check_and_update_table` giúp so sánh và chỉ update những dòng thay đổi, insert những dòng mới.
-* **Tiện ích**: Hỗ trợ làm sạch dữ liệu số (ví dụ: convert "1.5M" thành 1,500,000).
-
-## Yêu cầu cài đặt
-
-1.  **Hệ điều hành**: Windows, Linux, hoặc MacOS.
-2.  **Driver**: Cần cài đặt **ODBC Driver 17 for SQL Server**.
-    * [Tải về tại đây (Microsoft)](https://learn.microsoft.com/en-us/sql/connect/odbc/download-odbc-driver-for-sql-server)
-3.  **Python Libraries**:
-    ```bash
-    pip install -r requirements.txt
-    ```
-
-## Cấu trúc Project
-
-* `src/dbConnector.py`: Module chính chứa class `dbJob`.
-* `config/db_config.yaml`: File cấu hình database (cần tự tạo dựa trên mẫu).
-* `notebooks/demo_usage.ipynb`: Ví dụ cách sử dụng.
-
-## Hướng dẫn sử dụng nhanh
-
-### 1. Cấu hình kết nối
-Tạo file `config/db_config.yaml`:
-```yaml
-db_info:
-  server: "localhost"
-  database: "MyDatabase"
-  username: "sa"
-  password: "mypassword"

sqlserverconnector-0.1.0/src/sqlServerConnector.egg-info/PKG-INFO

@@ -1,57 +0,0 @@
-Metadata-Version: 2.4
-Name: sqlServerConnector
-Version: 0.1.0
-Summary: A custom SQL Server Connector for ETL processes with Pandas
-Author-email: Nguyen Minh Son <nguyen.minhson1511@gmail.com>
-Project-URL: Homepage, https://github.com/johnnyb1509/sqlServerConnector
-Keywords: sql,etl,pandas,sqlalchemy
-Classifier: Programming Language :: Python :: 3
-Classifier: Operating System :: OS Independent
-Requires-Python: >=3.8
-Description-Content-Type: text/markdown
-Requires-Dist: pandas>=1.5.0
-Requires-Dist: numpy
-Requires-Dist: sqlalchemy>=2.0.0
-Requires-Dist: pyodbc
-Requires-Dist: pyyaml
-Requires-Dist: loguru
-Requires-Dist: jupyterlab
-
-# SQL Data Connector Project
-
-Project này cung cấp module Python mạnh mẽ (`dbConnector`) để tương tác với Microsoft SQL Server, tối ưu hóa cho các tác vụ Data Engineering như: ETL, Insert dữ liệu lớn, và Đồng bộ hóa (Upsert) dữ liệu từ Pandas DataFrame.
-
-## Tính năng nổi bật
-
-* **Tự động hóa cao**: Tự động tạo bảng, phát hiện kiểu dữ liệu, và thêm cột mới nếu DataFrame thay đổi.
-* **Hiệu năng cao**: Sử dụng `fast_executemany=True` của SQLAlchemy/pyodbc để tăng tốc độ Insert.
-* **An toàn dữ liệu**: Hỗ trợ Transaction (Commit/Rollback) để đảm bảo tính toàn vẹn dữ liệu.
-* **Sync thông minh**: Hàm `check_and_update_table` giúp so sánh và chỉ update những dòng thay đổi, insert những dòng mới.
-* **Tiện ích**: Hỗ trợ làm sạch dữ liệu số (ví dụ: convert "1.5M" thành 1,500,000).
-
-## Yêu cầu cài đặt
-
-1.  **Hệ điều hành**: Windows, Linux, hoặc MacOS.
-2.  **Driver**: Cần cài đặt **ODBC Driver 17 for SQL Server**.
-    * [Tải về tại đây (Microsoft)](https://learn.microsoft.com/en-us/sql/connect/odbc/download-odbc-driver-for-sql-server)
-3.  **Python Libraries**:
-    ```bash
-    pip install -r requirements.txt
-    ```
-
-## Cấu trúc Project
-
-* `src/dbConnector.py`: Module chính chứa class `dbJob`.
-* `config/db_config.yaml`: File cấu hình database (cần tự tạo dựa trên mẫu).
-* `notebooks/demo_usage.ipynb`: Ví dụ cách sử dụng.
-
-## Hướng dẫn sử dụng nhanh
-
-### 1. Cấu hình kết nối
-Tạo file `config/db_config.yaml`:
-```yaml
-db_info:
-  server: "localhost"
-  database: "MyDatabase"
-  username: "sa"
-  password: "mypassword"