java - Java中文件中的行数

Question

我使用巨大的数据文件，有时我只需要知道这些文件的行数，通常我打开它们并逐行读取它们直到我到达文件末尾

我想知道是否有更聪明的方法来做到这一点

Answer 1

这是迄今为止我发现的最快的版本，比 readLines 快大约 6 倍。在 150MB 的日志文件上，这需要 0.35 秒，而使用 readLines() 时需要 2.40 秒。只是为了好玩，linux的 wc -l 命令需要 0.15 秒。

public static int countLinesOld(String filename) throws IOException {
    InputStream is = new BufferedInputStream(new FileInputStream(filename));
    try {
        byte[] c = new byte[1024];
        int count = 0;
        int readChars = 0;
        boolean empty = true;
        while ((readChars = is.read(c)) != -1) {
            empty = false;
            for (int i = 0; i < readChars; ++i) {
                if (c[i] == '\n') {
                    ++count;
                }
            }
        }
        return (count == 0 && !empty) ? 1 : count;
    } finally {
        is.close();
    }
}

编辑，9 1/2 年后:我几乎没有 Java 经验，但无论如何我尝试将此代码与下面的 LineNumberReader 解决方案进行基准测试，因为它困扰着我，没有人这样做。似乎特别是对于大文件，我的解决方案更快。尽管在优化器完成体面的工作之前似乎需要运行几次。我对代码进行了一些尝试，并生成了一个始终最快的新版本:

public static int countLinesNew(String filename) throws IOException {
    InputStream is = new BufferedInputStream(new FileInputStream(filename));
    try {
        byte[] c = new byte[1024];

        int readChars = is.read(c);
        if (readChars == -1) {
            // bail out if nothing to read
            return 0;
        }

        // make it easy for the optimizer to tune this loop
        int count = 0;
        while (readChars == 1024) {
            for (int i=0; i<1024;) {
                if (c[i++] == '\n') {
                    ++count;
                }
            }
            readChars = is.read(c);
        }

        // count remaining characters
        while (readChars != -1) {
            System.out.println(readChars);
            for (int i=0; i<readChars; ++i) {
                if (c[i] == '\n') {
                    ++count;
                }
            }
            readChars = is.read(c);
        }

        return count == 0 ? 1 : count;
    } finally {
        is.close();
    }
}

1.3GB 文本文件的基准测试结果，y 轴以秒为单位。我用同一个文件运行了 100 次，并用 System.nanoTime() 测量了每次运行。您可以看到 countLinesOld 有一些异常值，而 countLinesNew 没有，虽然它只是快一点，但差异在统计上是显着的。 LineNumberReader 显然更慢。