UPDATE 31.10.: Amazon Alexa - ioBroker Skill läuft aus ?

[chris299]

@homoran ziemlich alter thread, aber das Problem ist immernoch akutell (bei mir) und in github: https://github.com/ioBroker/ioBroker.history/issues/309

[Homoran]

@chris299 sagte in History-Adapter .csv download PROBLEM:

immernoch akutell (bei mir

ja, weil es so konzipiert ist.
Das ist kein Fehler!

[chris299]

@homoran aha. steht das irgendwo in der Aneitung, und ich habe das übersehen? offensichtlich erscheint mir das nicht...
und es drängt sich die Frage auf, wie man denn alle Werte eines Datenpunkts gesammelt extrahiert bekommt (zur weiterverarbeitung in anderen Systemen)....

[Homoran]

@chris299 sagte in History-Adapter .csv download PROBLEM:

steht das irgendwo in der Aneitung, und ich habe das übersehen? offensichtlich erscheint mir das nicht...

gute Frage!
Wurde auf jeden Fall mehrfach im Forum diskutiert.
Auch die Anzeige der History-Daten ist auf 500 Messwerte limitiert.
Die "Extraktion" dieser Daten aus den JSONs benötigt erhebliche Ressourcen.
So kann auch ein zoomen in hochauflösenden charts die Load Average deutlich über die Obergrenze bis hin zum Absturz führen.

So unschön es ist, müsstest du die Daten paketweise mit benutzerdefinierten Zeiträumen extrahieren, oder per Script versuchen, was jedoch den Server genauso belastet, wenn man nicht bei schwachen Systemen die Abfragegeschwindigkeit entsprechend versucht zu drosseln.

[klassisch]

@chris299 Hast Du ein lauffähiges Python auf dem ioBroker Rechner?
Ich habe mir von ChatGPT ein Python Script erstellen lassen, welches history json-Daten in CSV und xls umwandelt. Ja, das kann dauern, aber mein ioBroker Laptop unter Win ist dadurch bisher noch nicht abgestürzt. Mag nicht die eleganteste Lösung sein, aber so oft brauche ich das ja nicht.

[chris299]

@klassisch danke für den Hinweis. Könntest Du das script hier teilen?

[klassisch]

@chris299 Hier "as it is" Ein roher Klotz, no thrills, kein Komfort, keine Fehlerabfangen und für Windows-Verzeichnisse. Keine Ahnung wie man das auf Linux-Verzeichnisse umstellt. Aber auch da kann ChatGPT sicher helfen. Minimale Dialoge ohne Überprüfung.
Ein einigermassen aktuelles Python muß auf dem Rechner laufen (bei mir 3.10.8) und der Python Pfad sollte dem System bekannt sein.
Ich starte immer aus der Kommandozeile heraus (CMD), weil ich dann ggf Fehlermeldungen sehen. Bei mir aus einem Verzeichnis D:\auswerungen

Das Script heisst z.B.

iobroker-history-all-data-to-xls-V3-local-time.py

dann starte ich es mit

python iobroker-history-all-data-to-xls-V3-local-time.py

Es werden einige Pakete benötigt. Steht im Programm als Kommentar. Vielleicht brauchst Du bei Deiner Installation noch weitere. Dann kann man das den Fehlermeldungen entnehmen.
Kann am Anfang etwas Gefummel sein. ChatGPT kennt sich mit Python recht gut aus und hilft gerne - auch bei der Umstallung auf Linux, falls erforderlich

Ach ja, Python hat dieselbe Unart wie YAML. Man hat sich von Klammern als Strukturelement verabschiedet und nutzt stattdessen Einrücken. In Vielfachen von 4 Blanks.

Hier eine Sctript-Version für local time:

# created with the help of ChatGPT
# Install openpyxl library if necessary
# Make sure to install pandas using: pip install pandas

import os
import json
import pandas as pd
from datetime import datetime
import pytz  # Make sure to install pytz using: pip install pytz

def read_json_file(file_path):
    with open(file_path, 'r') as file:
        data = json.load(file)
    return data

def extract_data_from_json(json_data):
    data_list = []
    for entry in json_data:
        if entry.get("val") is not None:
            val, ts = entry["val"], entry["ts"]
            data_list.append((val, ts))
    return data_list

def convert_timestamp(ts):
    local_tz = pytz.timezone('Europe/Berlin')  # Adjust to your local time zone
    local_time = datetime.fromtimestamp(ts / 1000, local_tz)
    sample_date = local_time.strftime('%d.%m.%Y')
    sample_time = local_time.strftime('%H:%M')
    return sample_date, sample_time

def generate_excel(start_date, end_date, iobroker_directory, filename_template, xls_directory, xls_name):
    # Prepare date range
    date_range = pd.date_range(start=start_date, end=end_date).strftime('%Y%m%d')

    # Initialize lists to store data
    all_data = []

    # Counter for monitoring output
    counter = 0
    dataset_counter = 0

    # Display start and end dates
    print(f"Start Date: {start_date}")
    print(f"End Date: {end_date}")

    # Show default values
    print(f"ioBroker history directory: {iobroker_directory}")
    print(f"ioBroker - Filename: {filename_template}")
    print(f"Directory for xls Output: {xls_directory}")
    print(f" ")
    
    # Get user-defined xls_name
    user_defined_xls_name = input("Enter the user-defined xls_name (default: 'ioBroker-history'): ") or 'ioBroker-history'
    print(f" ")
    print(f"Data will be collected from files")


    # Iterate through directories and files
    for date in date_range:
        directory_path = os.path.join(iobroker_directory, date)
        if os.path.exists(directory_path):
            for root, dirs, files in os.walk(directory_path):
                for file in files:
                    if file.startswith(filename_template) and file.endswith('.json'):
                        file_path = os.path.join(root, file)
                        json_data = read_json_file(file_path)
                        data_list = extract_data_from_json(json_data)
                        all_data.extend(data_list)
                        # Monitor progress
                        counter += 1
                        dataset_counter +=1
                        # print(f".", end="")
                        # Check if 8 entries are printed and start a new line
                        if counter % 150 == 0:
                            print(f" {dataset_counter}")


    # Convert data to DataFrame
    print(f"conversion ongoing, please wait")
    df = pd.DataFrame(all_data, columns=['Value', 'Timestamp'])

    # Convert timestamp and add Date and Time columns
    df['Date'], df['Time'] = zip(*df['Timestamp'].apply(convert_timestamp))

    # Replace dot with comma in the 'Value' column
    df['Value'] = df['Value'].astype(str).str.replace('.', ',')

    # Create complete xls_name
    xls_name += f'-from-{start_date}-to-{end_date}.xlsx'
    xls_complete_name = user_defined_xls_name + xls_name
    csv_name = ""
    csv_name += f'-from-{start_date}-to-{end_date}.csv'
    csv_complete_name = user_defined_xls_name + csv_name

    # Show complete path and file name
    output_path = os.path.join(xls_directory, xls_complete_name)
    output_path_csv = os.path.join(xls_directory, csv_complete_name)
    print(f"Location Excel File: {output_path}")
    print(f"Location CSV File: {output_path_csv}")


    # Save to CSV
    print(f"csv file will be created, please wait")    
    df.to_csv(output_path_csv, index=False)
    print(f"\nCSV file created: {output_path_csv}")

    # Save to Excel
    print(f"xlsx file will be created, please wait")
    df.to_excel(output_path, index=False)
    print(f"\nExcel file created: {output_path}")

    print(f"job done")

# Get user input
print(f"Version 1.0 based on ChatGPT 3.5 with own debugs and mods")
start_date = input("Enter the start date (YYYYMMDD): ")
end_date = input("Enter the end date (YYYYMMDD): ")
iobroker_directory = input("ioBroker history directory (default: 'd:\\ioBroker-data\\History\\'): ") or 'd:\\ioBroker-data\\History\\'
filename_template = input("ioBroker json filename: (default: 'history.hm-rpc.1.CUX9000052.1.STATE.json'): ") or 'history.hm-rpc.1.CUX9000052.1.STATE.json'
xls_directory = input("Directory for xls Output (default: 'D:\\Auswertungen'): ") or 'D:\\Auswertungen'

generate_excel(start_date, end_date, iobroker_directory, filename_template, xls_directory, '')

Viel Erfolg!