如何读取大型平面文件

Question

我有一个平面文件，其中包含 339276 行文本，大小为 62.1 MB。我试图读入所有行，根据我拥有的某些条件解析它们，然后将它们插入数据库。

我最初尝试使用 bufio.Scan() 循环和 bufio.Text() 来获取该行，但我运行超出了缓冲区 space。我切换到使用 bufio.ReadLine/ReadString/ReadByte （我尝试了每个）并且每个都遇到了同样的问题。我没有足够的缓冲区 space。

我尝试使用读取并设置缓冲区大小，但正如文档所说，它实际上是一个常量，可以变得更小但永远不会大于 64*1024 字节。然后我尝试使用 File.ReadAt 设置起始 postilion 并在我引入每个部分时移动它但无济于事。我查看了以下示例和解释（并非详尽列表）：

Read text file into string array (and write) How to Read last lines from a big file with Go every 10 secs reading file line by line in go

如何将整个文件（逐行或一次读取整个文件）读入一个切片，然后我可以对行进行处理？

这是我试过的一些代码：

                 file, err := os.Open(feedFolder + value)
                 handleError(err)
                 defer file.Close()
                 //              fileInfo, _ := file.Stat()
                 var linesInFile []string

             r := bufio.NewReader(file)
             for {
                     path, err := r.ReadLine("\n") // 0x0A separator = newline

                     linesInFile = append(linesInFile, path)
                     if err == io.EOF {
                             fmt.Printf("End Of File: %s", err)
                             break
                     } else if err != nil {
                             handleError(err) // if you return error
                     }
             }
             fmt.Println("Last Line: ", linesInFile[len(linesInFile)-1])

这是我尝试过的其他方法：

var fileSize int64 = fileInfo.Size()
    fmt.Printf("File Size: %d\t", fileSize)
    var bufferSize int64 = 1024 * 60
    bytes := make([]byte, bufferSize)
    var fullFile []byte
    var start int64 = 0
    var interationCounter int64 = 1
    var currentErr error = nil
         for currentErr != io.EOF {
            _, currentErr = file.ReadAt(bytes, st)
            fullFile = append(fullFile, bytes...)
            start = (bufferSize * interationCounter) + 1
            interationCounter++
          }
     fmt.Printf("Err: %s\n", currentErr)
     fmt.Printf("fullFile Size: %s\n", len(fullFile))
     fmt.Printf("Start: %d", start)

     var currentLine []string


   for _, value := range fullFile {
      if string(value) != "\n" {
          currentLine = append(currentLine, string(value))
      } else {
         singleLine := strings.Join(currentLine, "")
         linesInFile = append(linesInFile, singleLine)
         currentLine = nil
              }   
      }

我很茫然。要么我不完全了解缓冲区的工作原理，要么我不了解其他内容。谢谢阅读。

Answer 1

不清楚是否有必要在解析所有行并将它们插入数据库之前读入它们。尽量避免这种情况。

您有一个小文件："a flat file that has 339276 line of text in it for a size of 62.1 MB." 例如，

package main

import (
    "bytes"
    "fmt"
    "io"
    "io/ioutil"
)

func readLines(filename string) ([]string, error) {
    var lines []string
    file, err := ioutil.ReadFile(filename)
    if err != nil {
        return lines, err
    }
    buf := bytes.NewBuffer(file)
    for {
        line, err := buf.ReadString('\n')
        if len(line) == 0 {
            if err != nil {
                if err == io.EOF {
                    break
                }
                return lines, err
            }
        }
        lines = append(lines, line)
        if err != nil && err != io.EOF {
            return lines, err
        }
    }
    return lines, nil
}

func main() {
    // a flat file that has 339276 lines of text in it for a size of 62.1 MB
    filename := "flat.file"
    lines, err := readLines(filename)
    fmt.Println(len(lines))
    if err != nil {
        fmt.Println(err)
        return
    }
}

Answer 2

bufio.Scan() 和 bufio.Text() 在一个循环中对我来说非常适用于尺寸大得多的文件，所以我想你的行数超过了缓冲区容量。那么

检查你的行结尾
你使用哪个 Go 版本path, err :=r.ReadLine("\n") // 0x0A separator = newline？看起来 func (b *bufio.Reader) ReadLine() (line []byte, isPrefix bool, err error) 具有 return 值 isPrefix 专门针对您的用例 http://golang.org/pkg/bufio/#Reader.ReadLine

Answer 3

在我看来 readLines 的这种变体比建议的 peterSO

更短更快

func readLines(filename string) (map[int]string, error) {
    lines := make(map[int]string)

    data, err := ioutil.ReadFile(filename)
    if err != nil {
        return nil, err
    }

    for n, line := range strings.Split(string(data), "\n") {
        lines[n] = line
    }

    return lines, nil
}

Answer 4

package main

import (
    "fmt"
    "os"
    "log"
    "bufio"
)

func main() {
    FileName := "assets/file.txt"
    file, err := os.Open(FileName)
    if err != nil {
        log.Fatal(err)
    }
    defer file.Close()

    scanner := bufio.NewScanner(file)

    for scanner.Scan() { 
        fmt.Println(scanner.Text()) 

    }
}

如何读取大型平面文件

How do I read in a large flat file

buffer

go