java - 如何使用 java.util.stream 处理文件 block

Question

为了熟悉流 API，我尝试编写一个非常简单的模式。

问题:有一个包含非嵌套文本 block 的文本文件。所有 block 均由开始/结束模式标识(例如 <start> 和 <stop> 。 block 的内容在语法上无法与 block 之间的噪声区分开。因此不可能使用简单(无状态)的 lambda。

我只能实现一些丑陋的东西，例如:
Files.lines(path).collect(new MySequentialParseAndProsessEachLineCollector<>());
说实话，这不是我想要的。

我正在寻找一个映射器，例如:
Files.lines(path).map(MyMapAllLinesOfBlockToBuckets()).parallelStream().collect(new MyProcessOneBucketCollector<>());

is there a good way to extract chunks of data from a java 8 stream似乎包含解决方案的框架。不幸的是，我很愚蠢地将其转化为我的问题。 ;-)

有什么提示吗？

Answer 1

这是一个可用于转换 Stream<String> 的解决方案，每个元素代表一条线，到 Stream<List<String>> ，每个元素代表使用指定分隔符找到的 block :

public class ChunkSpliterator implements Spliterator<List<String>> {
    private final Spliterator<String> source;
    private final Predicate<String> start, end;
    private final Consumer<String> getChunk;
    private List<String> current;

    ChunkSpliterator(Spliterator<String> lineSpliterator,
        Predicate<String> chunkStart, Predicate<String> chunkEnd) {
        source=lineSpliterator;
        start=chunkStart;
        end=chunkEnd;
        getChunk=s -> {
            if(current!=null) current.add(s);
            else if(start.test(s)) current=new ArrayList<>();
        };
    }
    public boolean tryAdvance(Consumer<? super List<String>> action) {
        while(current==null || current.isEmpty()
                            || !end.test(current.get(current.size()-1)))
            if(!source.tryAdvance(getChunk)) return false;
        current.remove(current.size()-1);
        action.accept(current);
        current=null;
        return true;
    }
    public Spliterator<List<String>> trySplit() {
        return null;
    }
    public long estimateSize() {
        return Long.MAX_VALUE;
    }
    public int characteristics() {
        return ORDERED|NONNULL;
    }

    public static Stream<List<String>> toChunks(Stream<String> lines,
        Predicate<String> chunkStart, Predicate<String> chunkEnd,
        boolean parallel) {

        return StreamSupport.stream(
            new ChunkSpliterator(lines.spliterator(), chunkStart, chunkEnd),
            parallel);
    }
}

与谓词匹配的行不包含在 block 中；如果需要的话，改变这种行为很容易。

可以这样使用:

ChunkSpliterator.toChunks( Files.lines(Paths.get(myFile)),
    Pattern.compile("^<start>$").asPredicate(),
    Pattern.compile("^<stop>$").asPredicate(),
    true )
   .collect(new MyProcessOneBucketCollector<>())

模式指定为 ^word$要求整行仅由单词组成；如果没有这些 anchor ，包含模式的行可以开始和结束一个 block 。源流的性质不允许创建 block 时的并行性，因此当与立即收集操作链接时，整个操作的并行性相当有限。这取决于MyProcessOneBucketCollector如果可以有任何并行性的话。

如果您的最终结果不依赖于源文件中存储桶出现的顺序，强烈建议您的收集器将自身报告为 UNORDERED 或者您插入 unordered() 在流的方法链中 collect 之前.