Question

我在txt文件中有一个示例数据集。数据文件非常大，因此无法将其加载到内存中。我需要能够懒惰地读取文件。此外，我需要以随机顺序读取行。并且可能存在我不需要阅读所有行的情况。这是我到目前为止所发现的 -

(defn read-lazy [in-file]
        (letfn [(helper [rdr]
                            (if-let [line (.readLine rdr)]
                                (cons line (helper rdr))
                                (do (.close rdr) nil)))]
            (helper (io/reader in-file))))

返回文件的lazy-seq。当我需要时，如何在lazy-seq中循环遍历随机行？我认为使用go块可以帮到这里。 Go块可以在通道中放置一个随机行，并等待消耗它。一旦数据被读取，它就会在通道中放入另一行，等待下一次读取。我该如何实现呢？

这是我如何解决的问题（非随机） -

(def lazy-ch (chan))
(defn async-fetch-set [in-file]
    (go
        (with-open [reader (io/reader in-file)]
            (doseq [line (line-seq reader)]
                (>! lazy-ch line)))
        (close! lazy-ch)))

(println "got: " (<!! lazy-ch))

这是解决问题的好方法吗？有更好的解决方案吗？我可能不需要阅读所有的内容，因此我希望能够在需要的时候关闭阅读器。

Answer 1

您的上述解决方案不包含任何随机性。 Go频道是先进先出的结构。如果你真的想要随机读取，首先需要计算文件中的行数，然后使用I在区间[0..N-1]中生成一个整数I，然后读取文件中的{{1}}行。

有几种不同的方法可以从文件中读取行{{1}}，这可以权衡速度与内存要求。

Answer 2

(defn char-seq
  "Returns a lazy sequence of characters from rdr. rdr must implement
  java.io.Reader."
  [rdr]
  (let [c (.read rdr)]
    (if-not (neg? c)
      (cons (char c) (lazy-seq (char-seq rdr))))))

(defn line-offsets
  "Returns a lazy sequence of offsets of all lines in s."
  [s]
  (if (seq s)
    (->> (partition-all 3 1 s)
         (map-indexed
          (fn [i [a b c]]
            (cond
              (= b \newline) (if c (+ 2 i))
              (= a \return) (if b (inc i)))))
         (filter identity)
         (cons 0))))

(defn ordered-line-seq
  "Returns the lines of text from raf at each offset in offsets as a lazy
  sequence of strings. raf must implement java.io.RandomAccessFile."
  [raf offsets]
  (map (fn [i]
         (.seek raf i)
         (.readLine raf))
       offsets))

使用示例：

(let [filename "data.txt"
      offsets (with-open [rdr (clojure.java.io/reader filename)]
                (shuffle (line-offsets (char-seq rdr))))]
  (with-open [raf (java.io.RandomAccessFile. filename "r")]
    (dorun (map println (ordered-line-seq raf offsets)))))

Clojure懒洋洋地从文件中读取随机行

2 个答案: