Apache Beam TextIO.Read与行号

Question

是否可以通过从TextIO.Read读入PCollection的行来访问行号？对于此处的上下文，我正在处理CSV文件，并且需要访问给定行的行号。

如果没有可能通过TextIO.Read似乎应该可以使用某种自定义读取或转换，但我无法确定从哪里开始。

Answer 1

您可以使用FileIO手动读取文件，并在从ReadableFile读取时确定行号。

一个简单的解决方案如下所示：

p
    .apply(FileIO.match().filepattern("/file.csv"))
    .apply(FileIO.readMatches())
    .apply(FlatMapElements
            .into(strings())
            .via((FileIO.ReadableFile f) -> {
                List<String> result = new ArrayList<>();
                try (BufferedReader br = new BufferedReader(Channels.newReader(f.open(), "UTF-8"))) {
                    int lineNr = 1;
                    String line = br.readLine();
                    while (line != null) {
                        result.add(lineNr + "," + line);
                        line = br.readLine();
                        lineNr++;
                    }
                } catch (IOException e) {
                    throw new RuntimeException("Error while reading", e);
                }
                return result;
            }));

上面的解决方案只是将行号添加到每个输入行。