Question

我正在逐行读取文件，并从中提取整数。一些值得注意的要点：

输入文件不是二进制文件;
我无法将整个文件加载到内存中;
文件格式（仅限整数，以某些分隔符分隔）：
```
x1 x2 x3 x4 ...
y1 y2 y3 ...
z1 z2 z3 z4 z5 ...
...
```

只是添加上下文，我正在使用std::unordered_map<unsigned int, unsinged int>读取整数并计算它们。

简单地循环遍历行，并分配无用的字符串流，如下所示：

std::fstream infile(<inpath>, std::ios::in);
while (std::getline(infile, line)) {
    std::stringstream ss(line);
}

给了我~7.7s的700MB文件。

解析每一行：

unsigned int item;
std::fstream infile(<inpath>, std::ios::in);
while (std::getline(infile, line)) {
    std::stringstream ss(line);
    while (ss >> item);
}

给同一个文件~17.8秒。

如果我将操作符更改为std::getline + atoi：

unsigned int item;
std::fstream infile(<inpath>, std::ios::in);
while (std::getline(infile, line)) {
    std::stringstream ss(line);
    while (std::getline(ss, token, ' ')) item = atoi(token.c_str());
}

它给出~14.6s。

有没有比这些方法更快的东西？我不认为有必要加快文件阅读速度，只需要解析文件本身 - 但这两种情况都不会造成伤害（：

Answer 1

这个程序

#include <iostream>
int main ()
{
    int num;
    while (std::cin >> num) ;
}

需要大约17秒才能读取文件。这段代码

#include <iostream>   
int main()
{
    int lc = 0;
    int item = 0;
    char buf[2048];
    do
    {
        std::cin.read(buf, sizeof(buf));
        int k = std::cin.gcount();
        for (int i = 0; i < k; ++i)
        {
            switch (buf[i])
            {
                case '\r':
                    break;
                case '\n':
                    item = 0; lc++;
                    break;
                case ' ':
                    item = 0;
                    break;
                case '0': case '1': case '2': case '3':
                case '4': case '5': case '6': case '7':
                case '8': case '9':
                    item = 10*item + buf[i] - '0';
                    break;
                default:
                    std::cerr << "Bad format\n";
            }    
        }
    } while (std::cin);
}

对于同一个文件需要1.25秒。做你想要的......

Answer 2

流很慢。如果你真的想做的事情，请将整个文件快速加载到内存中，并在内存中解析它。如果你真的无法将它全部加载到内存中，请将它们加载到块中，使这些块尽可能大，并将块解析到内存中。

在内存中解析时，用空值替换空格和行结尾，这样就可以使用atoi转换为整数。

哦，你会遇到块结束的问题，因为你不知道块末端是否会切断一个数字。为了解决这个问题，可以在块结束之前轻松地停止一小段距离（16字节应该这样做）并将此尾部复制到开始，然后再加载它之后的下一个块。

Answer 3

您是否尝试过输入迭代器？

它会跳过字符串的创建：

std::istream_iterator<int> begin(infile);
std::istream_iterator<int> end;
int item = 0;
while(begin != end)
    item = *begin++;

Answer 4

为什么不直接跳过流和行缓冲区并直接读取文件流？

template<class T, class CharT, class CharTraits>
std::vector<T> read(std::basic_istream<CharT, CharTraits> &in) {
    std::vector<T> ret;
    while(in.good()) {
        T x;
        in >> x;
        if(in.good()) ret.push_back(x);
    }
    return ret;
}

http://ideone.com/FNJKFa

Answer 5

跟随杰克艾德利的回答（不能把代码放在评论中），这里有一些伪代码：

vector<char> buff( chunk_size );
roffset = 0;
char* chunk = &buff[0];
while( not done with file )
{
    fread( chunk + roffset, ... ); // Read a sizable chunk into memory, filling in after roffset
    roffset = find_last_eol(chunk); // find where the last full line ends
    parse_in_mem( chunk, chunk_size - roffset ); // process up to the last full line
    move_unprocessed_to_front( chunk, roffset ); // don't re-read what's already in mem
}

加速C ++中文件的整数读取

5 个答案: