Question

我正在编写一个Clojure函数，它将逐字符处理文件。我知道Java的BufferedReader类有read（）方法读取一个字符，但我是Clojure的新手，不知道如何使用它。目前，我只是尝试逐行执行文件，然后打印每个字符。

(defn process_file [file_path]
(with-open [reader (BufferedReader. (FileReader. file_path))]
    (let [seq (line-seq reader)]
        (doseq [item seq]
            (let [words (split item #"\s")]
                (println words))))))

给定一个带有此文本输入的文件：

感谢国际捐款，但我们无法做到关于从中收到的捐款的税收待遇的任何陈述在美国之外。仅美国法律就淹没了我们的小职员。

我的输出如下：

[International donations are gratefully accepted, but we cannot make]
[any statements concerning tax treatment of donations received from]
[outside the United States.  U.S. laws alone swamp our small staff.]

虽然我希望它看起来像：

["international" "donations" "are" .... ]

所以我的问题是，如何将上述函数转换为逐字符读取？或者甚至，如何让它像我期望的那样工作？此外，非常感谢任何使我的Clojure代码更好的提示。

Answer 1

(with-open [reader (clojure.java.io/reader "path/to/file")] ...

我更喜欢这种方式在clojure中获得reader。而且，按character by character，您的意思是文件访问级别，例如read，它允许您控制要读取的bytes个数量？

修改

正如@deterb指出的那样，让我们检查line-seq

的源代码

(defn line-seq
  "Returns the lines of text from rdr as a lazy sequence of strings.
   rdr must implement java.io.BufferedReader."
  {:added "1.0"
   :static true}
  [^java.io.BufferedReader rdr]
  (when-let [line (.readLine rdr)]
    (cons line (lazy-seq (line-seq rdr)))))

我伪造了char-seq

 (defn char-seq 
   [^java.io.Reader rdr]
   (let [chr (.read rdr)]
     (if (>= chr 0)
     (cons chr (lazy-seq (char-seq rdr))))))

我知道 ~~char-seq将所有字符读入内存~~ [1]，但我认为这表明您可以直接在.read上调用BufferedReader。所以，你可以像这样写代码：

(let [chr (.read rdr)]
  (if (>= chr 0)
    ;do your work here
  ))

你觉得怎么样？

[1]根据@ dimagog的评论，由于char-seq

，lazy-seq未将所有字符读入内存

Answer 2

我不熟悉Java或read（）方法，因此我无法帮助您实现它。

首先想到的可能是使用slurp来简化，它将返回整个文件的文本字符串，只有(slurp filename)。但是，这会得到整个文件，这可能是你不想要的。

一旦你有一个整个文件文本的字符串，你可以通过简单地处理任何字符串，就像它是一个字符序列一样。例如：

=> (doseq [c "abcd"]
     (prntln c))
a
b
c
d
=> nil

或者：

=> (remove #{\c} "abcd")
=> (\a \b \d)

您可以使用map或reduce或任何类型的序列操作功能。请注意，在按顺序操作它之后，它现在将作为序列返回，但您可以轻松地将外部部分包装在(reduce str ...)中以将其返回到最后的字符串 - 显式：

=> (reduce str (remove #{\c} "abcd"))
=> "abd"

至于你的特定代码的问题，我认为问题在于words是什么：字符串向量。当您打印每个words时，您正在打印矢量。如果最后您使用(println words)替换了行(doseq [w words] (println w)))，那么它应该会很有效。

另外，根据你所说的你希望你的输出看起来像（文件中所有不同单词的向量），你不希望只在表达式的基础上做(println w)，因为这会打印值并返回nil。你只需要w。此外，您还希望再次将doseq替换为for s，以避免返回nil。

另外，在改进你的代码时，它对我来说看起来很棒，但是 - 这是我上面建议的所有第一个改变（但不是其他的，因为我不想画它所有明确表示出来 - 你可以通过一个有趣的小技巧缩短它：

(doseq [item seq]
        (let [words (split item #"\s")]
            (doseq [w words]
              (println w))))

;//Could be rewritten as...

(doseq [item s
        :let [words (split item #"\s")]
        w words]
  (println w))

Answer 3

你非常接近 - 请记住，Strings是一个序列。 (concat "abc" "def")生成序列(\a \b \c \d \e \f)。

mapcat是另一个非常有用的函数 - 它将懒惰地连接将映射fn应用于序列的结果。这意味着mapcat将所有行字符串转换为seq的结果将是您所追求的懒惰字符序列。

我这样做(mapcat seq (line-seq reader))。

其他建议：

为了创建阅读器，我建议使用clojure.java.io/reader函数，而不是直接创建类。
考虑拆分文件的读取和字符串的处理（在这种情况下是打印）。虽然在withopen子句中保持完整文件解析很重要，但是能够在文件读取代码之外测试实际处理代码是非常有用的。
在导航多个（可能是嵌套的）序列时，请考虑使用for。 for处理嵌套的循环类型案例做得很好。

(take 100 (for [line (repeat "abc") char (seq line)] (prn char)))
使用prn进行调试输出。与用户输出（隐藏用户通常不关心的某些细节）相比，它为您提供了实际输出。

在Clojure中按字符处理文件

3 个答案:

修改