在Ruby中从CSV文件获取头文件的最简单方法是什么？

Question

我需要做的就是从CSV文件中获取标题.

file.csv是:

"A", "B", "C"  
"1", "2", "3"

我的代码是:

table = CSV.open("file.csv", :headers => true)

puts table.headers

table.each do |row|
  puts row 
end

这给了我:

true
"1", "2", "3"

我已经看了几个小时的Ruby CSV文档,这让我发疯.我确信必须有一个简单的单行程序可以将标题返回给我.有任何想法吗？

Answer 1

它看起来CSV.read会让您访问一个headers方法:

headers = CSV.read("file.csv", headers: true).headers
# => ["A", "B", "C"]

以上只是一个捷径CSV.open("file.csv", headers: true).read.headers.您可以在CSV.open尝试时使用它,但由于CSV.open在调用方法时实际上并没有读取文件,因此在实际读取某些数据之前,它无法知道标题是什么.这就是为什么它只是true在你的例子中返回.读完一些数据后,最终会返回标题:

  table = CSV.open("file.csv", :headers => true)
  table.headers
  # => true
  table.read
  # => #<CSV::Table mode:col_or_row row_count:2>
  table.headers
  # => ["A", "B", "C"]

Answer 2

我认为最好的方法是：

headers = CSV.foreach('file.csv').first

请注意，使用它非常诱人，CSV.read('file.csv'. headers: true).headers但要注意的是，CSV.read将完整的文件加载到内存中，因此增加了内存占用，并且也使得使用大文件的速度非常慢。请尽可能使用CSV.foreach。以下是仅20 MB文件的基准测试：

Ruby version: ruby 2.4.1p111 
File size: 20M  
****************
Time and memory usage with CSV.foreach:
Time: 0.0 seconds
Memory: 0.04 MB
****************
Time and memory usage with CSV.read:
Time: 5.88 seconds
Memory: 314.25 MB

20 MB文件的占用的内存增加了314 MB CSV.read，请想象一下1GB文件将对您的系统产生什么影响。简而言之，请不要使用CSV.read，我这样做了，系统崩溃了，容量为300MB。

进一步阅读：如果您想了解更多有关此的内容，这是一篇有关处理大文件的很好的文章。

以下也是我用于基准测试CSV.foreach和的脚本CSV.read：

require 'benchmark'
require 'csv'
def print_memory_usage
  memory_before = `ps -o rss= -p #{Process.pid}`.to_i
  yield
  memory_after = `ps -o rss= -p #{Process.pid}`.to_i
  puts "Memory: #{((memory_after - memory_before) / 1024.0).round(2)} MB"
end

def print_time_spent
  time = Benchmark.realtime do
    yield
  end
  puts "Time: #{time.round(2)} seconds"
end

file_path = '{path_to_csv_file}'
puts 'Ruby version: ' + `ruby -v`
puts 'File size:' + `du -h #{file_path}`
puts 'Time and memory usage with CSV.foreach: '
print_memory_usage do
  print_time_spent do
    headers = CSV.foreach(file_path, headers: false).first
  end
end
puts 'Time and memory usage with CSV.read:'
print_memory_usage do
  print_time_spent do
    headers = CSV.read(file_path, headers: true).headers
  end
end