Question

我需要随机访问文本（ASCII）文件中的特定记录，然后从那里读取，直到找到特定的“停止序列”（记录分隔符）。该文件包含多行记录，每个记录由分隔符分隔。每条记录也需要不同的行数！这是特定专业领域中众所周知的文件格式，无法更改。

我想索引文件，以便我可以快速跳转到请求的记录。

在像

这样的类似问题中

How to Access string in file by position in Java

及其中的链接，answer总是引用seek()等各种类的RandomAccessFile方法。我知道这件事！

我遇到的问题是如何获得寻求所需的偏移量！（索引文件）

BufferedReader没有getFilePointer()方法或任何其他方法来从文件的开头获取当前字节偏移量。 RandomAccessFile有一个readLine()方法，但它的表现非常糟糕。根据我的情况，它根本不可用。

我需要逐行读取文件，每次找到记录分隔符时我都需要获取字节偏移量。我怎样才能做到这一点？

Answer 1

您可以尝试将BufferedReader类子类化以记住读取位置。但是你不会有搜索功能。

正如您所提到的，记录可以是多行的，但所有记录都由停止序列分隔。鉴于此，您可以像这样使用RandomAccessFile：

有一个字节缓冲区byte b[]，比方说大小为8k（这是出于性能原因）
从此缓冲区中的文件读取8k并尝试查找分隔符（如果未找到），读取另一个8k的块，但先前将数据附加到某个StringBuilder或其他结构。
当您找到分隔符时，分隔符的位置由自上次分隔符找到后处理的字节数给出（您需要进行一些简单的数学运算）。

如果记录分隔符超过1个字符，那么棘手的部分就是如此，但这应该是个大问题。

Answer 2

经过大量的谷歌搜索，试验和错误以及更多我想出了一个简单地包装RandomAccessFile并公开所有方法的解决方案。然而，通过对readLine()中的BufferedReader进行微调，可以大大改善OptimizedRandomAccessFile方法。现在表现与之相同。

这个所谓的类OptimizedRandomAccessFile raf = new OptimizedRandomAccessFile(filePath, "r"); String line = raf.readLine(); int nextByte = raf.read();缓冲readLine（）调用，只要不调用其他需要或影响文件位置的方法。例如：

nextByte

{{1}}将包含文件中下一行的第一个字节。

完整代码可在bitbucket上找到。

Answer 3

我会使用以下java.io装饰器序列：

   InputStreamReader    <-- reader, the top reader
   CountingInputStream  <-- cis, stores the position (from Google Guava)
   BufferedInputStream  <-- speeds up file reading
   FileInputStream

然后，您通过实现readLine()方法读取此顶级阅读器，该方法逐个读取字符直到行分隔符。我不会使用BufferedReader，因为它会通过读取一个完整的固定大小的缓冲区来破坏当前位置。

因此，如果我遇到问题，算法就像

一样简单

long lineStartPosition = cis.getCount();
String s = readLine(reader);
if(s.equals(DELIMITER)) { storeToIndex(lineStartPosition, recordData); }

Answer 4

您可以读取所有数据文件并记录找到分隔符的位置，并将此元数据保存在其他文件中。现在，您可以使用元数据浏览文件（从一个分隔符跳转到另一个分隔符）。每次修改数据文件时，您都必须重新扫描它并重新生成元数据。

Java随机文件访问：获取行开始的字节偏移量

4 个答案: