我必须:-
- 逐行读取大型文本文件。
- 在每行读取后记下文件指针位置。
- 如果运行时间超过 30 秒,则停止文件读取。
- 从新进程中最后记录的文件指针处恢复。
我在做什么:
- 使用 RandomAccessFile.getFilePointer() 记录文件指针。
- 将 RandomAccessFile 包装到另一个 BufferedReader 中以加快文件读取过程,如 this回答。
- 当时间超过 30 秒时,我停止读取文件。使用新的 RandomAccessFile 重新启动进程,并使用 RandomAccessFile.seek 方法将文件指针移动到我离开的位置。
问题:
当我阅读包裹在 RandomAccessFile 中的 BufferedReader 时,似乎文件指针在对 BufferedReader.readLine() 的一次调用中向前移动得很远。但是,如果我直接使用 RandomAccessFile.readLine(),文件指针会正确地逐步向前移动。
使用 BufferedReader 作为包装器:
RandomAccessFile randomAccessFile = new RandomAccessFile("mybigfile.txt", "r");
BufferedReader brRafReader = new BufferedReader(new FileReader(randomAccessFile.getFD()));
while((line = brRafReader.readLine()) != null) {
System.out.println(line+", Position : "+randomAccessFile.getFilePointer());
}
输出:
Line goes here, Position : 13040
Line goes here, Position : 13040
Line goes here, Position : 13040
Line goes here, Position : 13040
使用直接 RandomAccessFile.readLine
RandomAccessFile randomAccessFile = new RandomAccessFile("mybigfile.txt", "r");
while((line = randomAccessFile.readLine()) != null) {
System.out.println(line+", Position : "+randomAccessFile.getFilePointer());
}
输出:(这是预期的。每次调用 readline 时文件指针都会正确移动)
Line goes here, Position : 11011
Line goes here, Position : 11089
Line goes here, Position : 12090
Line goes here, Position : 13040
有人能告诉我,我在这里做错了什么吗?有什么方法可以使用 RandomAccessFile 加快读取过程吗?
最佳答案
观察到的行为的原因是,顾名思义,BufferedReader
是缓冲的。它一次读取较大的数据 block (进入缓冲区),并仅返回缓冲区内容的相关部分 - 即直到下一个\n
的部分行分隔符。
我认为,从广义上讲,有两种可能的方法:
- 您可以实现自己的缓冲逻辑。
- 使用一些丑陋的反射技巧来获取所需的缓冲区偏移量
对于 1.,您将不再使用 RandomAccessFile#readLine
。相反,您可以通过
byte buffer[] = new byte[8192];
...
// In a loop:
int read = randomAccessFile.read(buffer);
// Figure out where a line break `\n` appears in the buffer,
// return the resulting lines, and take the position of the `\n`
// into account when storing the "file pointer"
正如模糊的评论所表明的那样:这可能很麻烦且繁琐。您基本上可以在 BufferedReader
类中重新实现 readLine
方法的功能。在这一点上,我什至不想提及不同的行分隔符或字符集可能导致的麻烦。
对于 2.,您可以简单地访问存储缓冲区偏移量的 BufferedReader 字段。这在下面的示例中实现。当然,这是一个有点粗糙的解决方案,但这里提到并显示为一个简单的替代方案,具体取决于该解决方案的“可持续性”程度以及您愿意投入多少精力。
import java.io.BufferedReader;
import java.io.FileReader;
import java.io.RandomAccessFile;
import java.lang.reflect.Field;
import java.util.ArrayList;
import java.util.List;
public class LargeFileRead {
public static void main(String[] args) throws Exception {
String fileName = "myBigFile.txt";
long before = System.nanoTime();
List<String> result = readBuffered(fileName);
//List<String> result = readDefault(fileName);
long after = System.nanoTime();
double ms = (after - before) / 1e6;
System.out.println("Reading took " + ms + "ms "
+ "for " + result.size() + " lines");
}
private static List<String> readBuffered(String fileName) throws Exception {
List<String> lines = new ArrayList<String>();
RandomAccessFile randomAccessFile = new RandomAccessFile(fileName, "r");
BufferedReader brRafReader = new BufferedReader(
new FileReader(randomAccessFile.getFD()));
String line = null;
long currentOffset = 0;
long previousOffset = -1;
while ((line = brRafReader.readLine()) != null) {
long fileOffset = randomAccessFile.getFilePointer();
if (fileOffset != previousOffset) {
if (previousOffset != -1) {
currentOffset = previousOffset;
}
previousOffset = fileOffset;
}
int bufferOffset = getOffset(brRafReader);
long realPosition = currentOffset + bufferOffset;
System.out.println("Position : " + realPosition
+ " with FP " + randomAccessFile.getFilePointer()
+ " and offset " + bufferOffset);
lines.add(line);
}
return lines;
}
private static int getOffset(BufferedReader bufferedReader) throws Exception {
Field field = BufferedReader.class.getDeclaredField("nextChar");
int result = 0;
try {
field.setAccessible(true);
result = (Integer) field.get(bufferedReader);
} finally {
field.setAccessible(false);
}
return result;
}
private static List<String> readDefault(String fileName) throws Exception {
List<String> lines = new ArrayList<String>();
RandomAccessFile randomAccessFile = new RandomAccessFile(fileName, "r");
String line = null;
while ((line = randomAccessFile.readLine()) != null) {
System.out.println("Position : " + randomAccessFile.getFilePointer());
lines.add(line);
}
return lines;
}
}
(注意:偏移量可能仍然显示为偏移 1,但这是由于该位置没有考虑行分隔符。如有必要,可以调整)
注意:这只是一个草图。读取完成后,RandomAccessFile 对象应正确关闭,但这取决于超出时间限制时应如何中断读取,如问题中所述
关于java - 使用 RandomAccessFile 和 BufferedReader 来加速文件读取,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/56129666/