Parquet 查看器 — 免费在线工具

Parquet 查看器是 CintaBox 芯塔盒在线工具箱提供的免费在线工具：收到一个 .parquet 文件，想知道它有哪些列、多少行、什么类型、压缩比多少、每列的取值范围——不必打开 Jupyter 写 pandas 或 DuckDB，也不该把内部数据传到某个「在线解析」站。拖进这个页面就有答案。

⭐ **只读文件尾部的元数据，几 GB 也秒开**。Parquet 把 schema 和统计信息都放在文件末尾（页脚），本工具只读那一小段（几 KB 到几 MB）就能给出全部结构信息，不占内存；要看数据的时候才去解数据页，而且只解够那几行的那几页。文件不上传。

⭐ **一眼看懂结构**：行数、列数、行组数、压缩前后大小与压缩比、用到的压缩方式（SNAPPY / GZIP / ZSTD…）和编码（含字典编码）、写文件的库与版本（created_by）、有没有 Arrow / pandas 元数据；完整的 schema 字段树（含嵌套 struct / list）。

⭐ **逐列看类型与取值范围**：每列的物理类型与逻辑类型（日期 / 时间戳 / 小数 / 无符号整数等）、是否可空、压缩方式、编码、空值数、min / max（来自列统计，日期 / 时间戳 / 小数已解成可读值）、按列压缩比；可搜索列名 / 类型 / 编码。

**它看不见什么**：不校验数据本身对不对（那要读全文件）；列统计是写文件的库记录的，有的库不写、有的只写一部分行组、还有的会把长值截断；数据预览只解前若干行，看不到全表，也不做排序 / 过滤 / 聚合。

⭐ **直接看前若干行数据**：不只是结构，数据本身也能看。工具在浏览器里自己解压（SNAPPY 与 LZ4 由本工具自己实现，一定能解；GZIP 用浏览器原生能力）、解数据页、按编码（PLAIN / 字典 / DELTA 系列 / BYTE_STREAM_SPLIT）还原每个值，日期 / 时间戳 / 小数 / 无符号整数按逻辑类型解成可读值；空值显示成 ∅，与空字符串区分得清清楚楚，嵌套列表写成 [a, b]。可切换行组、选 50~2000 行、一键导出成 CSV（带 BOM，Excel 打开不乱码）。

**成本是可控的**：看 100 行不会把整列读进内存——只读够那几页的字节，列多时还按总预算分摊到每列；取不满会明说而不是悄悄少给。BROTLI 要浏览器原生支持才解得开（实测 Chrome 152 还不支持），LZO 一律不行——「概览」里会直接标出这个文件用到的压缩方式本浏览器能不能解，解不开的列也会指名道姓，元数据照常可读。

⭐ **取值范围是跨全部行组聚合的，而且会告诉你它可信到什么程度**。min / max 不再只看第一个行组（那会让一份四行组文件的全表最大值 19999 显示成 4999）；比较按类型来：负的小数、超过一半量程的无符号整数、中文按 UTF-8 字节序，都不会排错。更要紧的是：写文件的库**可能根本没记**统计值（超长字符串列、INT96 列常见），也可能把长值**截断**后才记——没记的写「无统计值」而不是显示成 0，截断过的标上「≈」，只有部分行组记了的也会提示。

⭐ **页索引：比行组更细的一层**。文件如果写了 ColumnIndex / OffsetIndex，可以看到每一列在行组里分成几页、每页的起始行号 / 字节位置 / 大小 / min / max / 空值数，以及页级取值是不是有序——查询引擎就是靠这一层跳过整页的。没写页索引的文件会明说「写入方没写」，不是工具没读出来。另外还能看到每列有没有布隆过滤器、不同值个数、字典页与数据页各自的字节位置，以及一键导出 Schema JSON。

⭐ **ZSTD 压缩的文件也能看数据**（v0.4）：zstd 解码器是本站自己按 RFC 8878 写的纯 JavaScript 实现，不依赖浏览器有没有内置——Chrome 至今还不支持 zstd 解压，等它没有期限。压缩等级 1 到 22 都试过，四万行的文件解出来与 pyarrow 逐格一致。现在 SNAPPY / GZIP / LZ4 / ZSTD 四种都能直接看数据，只剩 BROTLI 要等浏览器。

⭐ **不读数据就能回答「这个值在不在」**（v0.5）：文件里如果写了布隆过滤器（一小块「指纹」），填上要找的值，工具会告诉你它在哪些行组里**肯定不在**——几百上千个行组先排掉一大半，正是数仓查询加速的老办法。整个过程只读那几百字节指纹，**数据一个字节都不读**。支持字符串、整数、小数五种列类型，一次可以查多个值。

**但要说清楚**：布隆过滤器只能证明「不在」。说「可能在」的时候真的只是可能（它有假阳性，要确认得真去读数据）；说「肯定不在」才是确定的，可以放心跳过。另外它是**可选的**——pyarrow 默认不写，DuckDB 只给字典编码的列写，文件里没有的话面板会直说，不会编一个答案给你。无需注册、无需安装软件，打开网页即可使用，处理全程在浏览器本机完成，文件不上传服务器。