Question

我有一个文本文件，每行看起来像这样：（电影评论数据库）

product/productId: B00004CK40   review/userId: A39IIHQF18YGZA   review/profileName: C. A. M. Salas  review/helpfulness: 0/0 review/score: 4.0   review/time: 1175817600 review/summary: Reliable comedy review/text: Nice script, well acted comedy, and a young Nicolette Sheridan. Cusak is in top form.

我想解析这个文件以便检索：

产品/的productId
评论/用户id
评论/ PROFILENAME
评论/乐于助人
评论/得分
评论/时间
评论/摘要
评论/文本

此信息稍后将使用MovieReview＆amp;封装。 Movie上课。

public class MovieReview {

    private Movie movie;
    private String userId;
    private String profileName;
    private String helpfulness;
    private Date timestamp;
    private String summary;
    private String review;
...

任何人都可以提供适当的＆amp;解析此文件（大型数据集）的有效方法？

感谢。

Answer 1

如果它是一个大型数据集，您将要避免一次将整个列表加载到内存中。我可能用每行的处理程序来解决这个问题

public class MovieReviewParser {
    public void parse(BufferedReader reader, MovieReviewHandler handler) {
        Pattern regex = Pattern.compile("product/productId:(.*)review/userId:(.*)review/profileName:(.*)"); // add other fields

        String line;
        while ((line = reader.readLine()) != null) {
            Matcher matcher = regex.matcher(line);
            if (!matcher.matches()) throw new RuntimeException();
            MovieReview review = new MovieReview();
            review.productId = matcher.group(1);
            review.userId = matcher.group(2);
            review.profileName = matcher.group(3);
            // etc

            handler.handle(review);
        }
    }
}

然后你可以解析如下：

{{1}}

在java中解析文本文件（大型数据集）

1 个答案: