Java：使用缓冲输入从随机访问文件中读取字符串

时间：2010-11-29 15:19:39

标签： java nio bufferedreader fileinputstream random-access

我以前从未接触过Java IO API的经验，现在我真的很沮丧。我发现很难相信它是多么奇怪和复杂，以及做一个简单的任务有多难。

我的任务：我有2个位置（起始字节，结束字节），pos1和pos2。我需要读取这两个字节之间的行（包括起始字节，不包括结尾字节），并将它们用作UTF8字符串对象。

例如，在大多数脚本语言中，它将是一个非常简单的1-2-3-liner（在Ruby中，但对于Python，Perl等基本相同）：

f = File.open("file.txt").seek(pos1)
while f.pos < pos2 {
  s = f.readline
  # do something with "s" here
}

Java IO API很快就会出现问题;）实际上，我看到了两种从常规本地文件中读取行（以\n结尾）的方法：

  • RandomAccessFile有getFilePointer()和seek(long pos)，但它是readLine()读取非UTF8字符串（甚至不是字节数组），但编码损坏的字符串很奇怪，它没有缓冲（这可能意味着每个read*()调用将被转换为单个不正常的操作系统read() =＆gt;相当慢。）
  • BufferedReader有很好的readLine()方法，它甚至可以用skip(long n)进行搜索，但它无法确定已读取的偶数字节数，没有提及文件中的当前位置。

我试过使用类似的东西：

    FileInputStream fis = new FileInputStream(fileName);
    FileChannel fc = fis.getChannel();
    BufferedReader br = new BufferedReader(
            new InputStreamReader(
                    fis,
                    CHARSET_UTF8
            )
    );

...然后使用fc.position()获取当前文件读取位置，fc.position(newPosition)设置一个，但它似乎不适用于我的情况：看起来它返回缓冲区的位置由BufferedReader完成预填充，或类似的东西 - 这些计数器似乎以16K为增量进行四舍五入。

我是否真的必须自己实现它，即文件阅读器界面：

  • 允许我在文件中获取/设置位置
  • 缓冲文件读取操作
  • 允许读取UTF8字符串（或者至少允许“读取所有内容直到下一个\n”等操作）

有没有比自己实施更快的方法？我在监督什么吗？

7 个答案:

答案 0 :(得分：6)

import org.apache.commons.io.input.BoundedInputStream

FileInputStream file = new FileInputStream(filename);
file.skip(pos1);
BufferedReader br = new BufferedReader(
   new InputStreamReader(new BoundedInputStream(file,pos2-pos1))
);

如果您不关心pos2，那么您不需要Apache Commons IO。

答案 1 :(得分：6)

我使用randomaccessfiles

编写了这段代码来读取utf-8 
//File: CyclicBuffer.java
public class CyclicBuffer {
private static final int size = 3;
private FileChannel channel;
private ByteBuffer buffer = ByteBuffer.allocate(size);

public CyclicBuffer(FileChannel channel) {
    this.channel = channel;
}

private int read() throws IOException {
    return channel.read(buffer);
}

/**
 * Returns the byte read
 *
 * @return byte read -1 - end of file reached
 * @throws IOException
 */
public byte get() throws IOException {
    if (buffer.hasRemaining()) {
        return buffer.get();
    } else {
        buffer.clear();
        int eof = read();
        if (eof == -1) {
            return (byte) eof;
        }
        buffer.flip();
        return buffer.get();
    }
}
}
//File: UTFRandomFileLineReader.java


public class UTFRandomFileLineReader {
private final Charset charset = Charset.forName("utf-8");
private CyclicBuffer buffer;
private ByteBuffer temp = ByteBuffer.allocate(4096);
private boolean eof = false;

public UTFRandomFileLineReader(FileChannel channel) {
    this.buffer = new CyclicBuffer(channel);
}

public String readLine() throws IOException {
    if (eof) {
        return null;
    }
    byte x = 0;
    temp.clear();

    while ((byte) -1 != (x = (buffer.get())) &amp;&amp; x != '\n') {
        if (temp.position() == temp.capacity()) {
            temp = addCapacity(temp);
        }
        temp.put(x);
    }
    if (x == -1) {
        eof = true;
    }
    temp.flip();
    if (temp.hasRemaining()) {
        return charset.decode(temp).toString();
    } else {
        return null;
    }
}

private ByteBuffer addCapacity(ByteBuffer temp) {
    ByteBuffer t = ByteBuffer.allocate(temp.capacity() + 1024);
    temp.flip();
    t.put(temp);
    return t;
}

public static void main(String[] args) throws IOException {
    RandomAccessFile file = new RandomAccessFile("/Users/sachins/utf8.txt",
            "r");
    UTFRandomFileLineReader reader = new UTFRandomFileLineReader(file
            .getChannel());
    int i = 1;
    while (true) {
        String s = reader.readLine();
        if (s == null)
            break;
        System.out.println("\n line  " + i++);
        s = s + "\n";
        for (byte b : s.getBytes(Charset.forName("utf-8"))) {
            System.out.printf("%x", b);
        }
        System.out.printf("\n");

    }
}
}

答案 2 :(得分：1)

对于@Ken Bloom快速浏览Java 7版本。注意：我认为这不是最有效的方法，我仍然在理解NIO.2，Oracle已经开始了他们的教程here

另请注意，这不是使用Java 7的新ARM语法（它处理基于文件的资源的异常处理），它不能在我拥有的最新openJDK构建中工作。但如果人们想要查看语法，请告诉我。

/* 
 * Paths uses the default file system, note no exception thrown at this stage if 
 * file is missing
 */
Path file = Paths.get("C:/Projects/timesheet.txt");
ByteBuffer readBuffer = ByteBuffer.allocate(readBufferSize);
FileChannel fc = null;
try
{
    /*
     * newByteChannel is a SeekableByteChannel - this is the fun new construct that 
     * supports asynch file based I/O, e.g. If you declared an AsynchronousFileChannel 
     * you could read and write to that channel simultaneously with multiple threads.
     */
    fc = (FileChannel)file.newByteChannel(StandardOpenOption.READ);
    fc.position(startPosition);
    while (fc.read(readBuffer) != -1)
    {
        readBuffer.rewind();
        System.out.println(Charset.forName(encoding).decode(readBuffer));
        readBuffer.flip();
    }
}

答案 3 :(得分：0)

从RandomAccessFile开始，使用read或readFully获取pos1和pos2之间的字节数组。假设我们已将读取的数据存储在名为rawBytes的变量中。

然后使用

创建BufferedReader 
new BufferedReader(new InputStreamReader(new ByteArrayInputStream(rawBytes)))

然后，您可以在readLine上致电BufferedReader。

警告：这可能会占用更多内存，而不是让BufferedReader寻找到正确的位置本身，因为它会将所有内容预先加载到内存中。

答案 4 :(得分：0)

我认为混淆是由UTF-8编码和双字节字符的可能性引起的。

UTF8未指定单个字符中的字节数。我假设您使用的是单字节字符。例如，412个字节意味着411个字符。但是如果字符串使用双字节字符，那么你将获得206个字符。

原始的java.io包没有很好地处理这种多字节混淆。因此，他们添加了更多类来专门处理字符串。该软件包混合了两种不同类型的文件处理程序（在命名法整理出来之前，它们可能会混淆）。 流类提供直接数据I / O而无需任何转换。 reader 类将文件转换为完全支持多字节字符的字符串。这可能有助于澄清部分问题。

由于您声明使用的是UTF-8字符，因此您需要读者类。在这种情况下，我建议FileReader。 FileReader中的skip（）方法允许您传递X个字符，然后开始阅读文本。或者，我更喜欢重载的read（）方法，因为它允许您一次获取所有文本。

如果您认为“字节”是单个字符，请尝试以下方法：

FileReader fr = new FileReader( new File("x.txt") );
char[] buffer = new char[ pos2 - pos ];
fr.read( buffer, pos, buffer.length );
...

答案 5 :(得分：0)

我来这里参加派对很晚，但我在自己的项目中遇到了这个问题。

经过Javadocs和Stack Overflow的大量遍历后，我想我找到了一个简单的解决方案。

在我在这里调用raFile的RandomAccessFile中寻找合适的位置后，请执行以下操作：

FileDescriptor fd = raFile.getFD();
FileReader     fr = new FileReader(fd);
BufferedReader br = new BufferedReader(fr);

然后，您应该可以拨打br.readLine()内容，这比调用raFile.readLine()要快得多。

我不确定的一件事是UTF8字符串是否被正确处理。

答案 6 :(得分：-1)

java IO API非常灵活。不幸的是，有时灵活性使它变得冗长。这里的主要思想是有许多流，编写器和读者实现包装器模式。例如，BufferedInputStream包装任何其他InputStream。输出流也是如此。

流和读取器/写入器之间的区别在于流与字节一起工作，而读取器/写入器与字符一起工作。

幸运的是，一些流，编写器和读取器具有简化编码的方便构造器。如果你想阅读文件，你只需要说

    InputStream in = new FileInputStream("/usr/home/me/myfile.txt");
    if (in.markSupported()) {
        in.skip(1024);
        in.read();
    }

这并不像你害怕那么复杂。

频道不同。它是所谓的“新IO”或nio的一部分。新的IO没有被阻止 - 这是它的主要优势。您可以在互联网上搜索任何“nio java教程”并阅读它。但它比常规IO更复杂，大多数应用程序都不需要。

相关问题
最新问题