Question

我有一个差不多~215 MB的文件，它的数据格式如下：

<Something>
....
 <Document>
  </Document>
...
</Something>

现在我想获取Document之间的数据块。我创建了一个正则表达式如下：

@"<DOCUMENT></DOCUMENT>"

如何从大文件中获取大量数据以获得上述数据：

我尝试使用StreamReader，但我不确定什么是最好和最快的方式。

Answer 1

这是一段简单的代码，可以满足您的需求。

它会：

逐行读取文件（因此不会将215MB读入内存）
它将自己收集每个块，然后输出它＆＃34;到达块的末尾时

以下是代码：

bool inDocument = false;
var chunk = new List<string>();
foreach (var line in File.ReadLines(@"D:\Temp\largefile.txt"))
{
    switch (line.Trim())
    {
        case "<Document>":
            inDocument = true;
            break;

        case "</Document>":
            inDocument = false;
            if (chunk.Count > 0)
            {
                // Output chunk
                chunk.Clear();
            }
            break;

        default:
            if (inDocument)
                chunk.Add(line);
            break;
    }
}

从大文件中获取数据

1 个答案: