Scala：逐行读取巨大的压缩文本文件而不加载到内存中

Question

我有一个大小为 100-200 GB 的文本文件。所以我希望以压缩格式存储（例如zip）。但是，由于其大小，我需要一次处理一行。虽然使用 一次一行读取文本文件很简单io.Source.fromFile(fileName).getLines，但这仅适用于解压缩的文件。

有没有一些有效的方法可以在scala中逐行读取压缩文件？我找不到任何示例，但我看到的更接近的实现是here，但它将文件加载到内存中。与通常给出的使用 zip 存档的示例不同，我只需要处理一个压缩的文本文件。如果有任何指示或线索，我将不胜感激。

Answer 1

如果文件是 Gzipped，java 会GzipInputStream为您提供流式访问：

   val lines: Iterator[String] = Source
     .fromInputStream(new GzipInputStream(new FileInputStream("foo.gz")))
     .getLines

如果正如您的问题所示，它是一个zip 存档，那就更复杂了。Zip 存档更像是文件夹而不是单个文件。您必须先阅读目录，然后浏览条目以找到您想要阅读的条目（或阅读所有条目）。像这样的东西