如何读取Golang中的大型平面文件

Question

我有一个平面文件,其中包含339276行文本,大小为62.1 MB.我试图读取所有行,根据我的一些条件解析它们,然后将它们插入到数据库中.

我最初尝试使用bufio.Scan()循环和bufio.Text()来获取行,但我的缓冲区空间不足.我切换到使用bufio.ReadLine/ReadString/ReadByte(我尝试了每个)并且每个都有相同的问题.我没有足够的缓冲空间.

我尝试使用read并设置缓冲区大小,但正如文档所说,它实际上是一个const,可以做得更小但从不大于64*1024字节.然后我尝试使用File.ReadAt设置起始postilion并将其移动,因为我带来了每个部分无济于事.我查看了以下示例和解释(不是详尽的列表):

将文本文件读入字符串数组(并写入) 如何读取大文件中的最后一行,每隔10秒 读取一行中的文件go go

我如何将整个文件(一行一行或一次整个)读入一个切片,这样我就可以去做行了？

这是我尝试过的一些代码:

                 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])

这是我尝试的其他东西:

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.要么我不明白缓冲区是如何工作的,要么我不理解其他东西.谢谢阅读.

Answer 1

不清楚在解析它们并将它们插入数据库之前是否有必要读入所有行。尽量避免这种情况。

您有一个小文件：“一个平面文件，其中包含 339276 行文本，大小为 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()并且bufio.Text()在一个循环中完美地适用于大尺寸的文件,所以我想你的行超出了缓冲容量.然后

• 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isPrefix专门针对您的用例 http://golang.org/pkg/bufio/#Reader.ReadLine的返回值