使用此示例代码:
use std::fs::{File};
use std::io::{BufRead, BufReader};
use std::path::Path;
type BoxIter<T> = Box<Iterator<Item=T>>;
fn tokens_from_str<'a>(text: &'a str)
-> Box<Iterator<Item=String> + 'a> {
Box::new(text.lines().flat_map(|s|
s.split_whitespace().map(|s| s.to_string())
))
}
// Returns an iterator of an iterator. The use case is a very large file where
// each line is very long. The outer iterator goes over the file's lines.
// The inner iterator returns the words of each line.
pub fn tokens_from_path<P>(path_arg: P)
-> BoxIter<BoxIter<String>>
where P: AsRef<Path> {
let reader = reader_from_path(path_arg);
let iter = reader.lines()
.filter_map(|result| result.ok())
.map(|s| tokens_from_str(&s));
Box::new(iter)
}
fn reader_from_path<P>(path_arg: P) -> BufReader<File>
where P: AsRef<Path> {
let path = path_arg.as_ref();
let file = File::open(path).unwrap();
BufReader::new(file)
}
我收到此编译器错误消息:
rustc 1.18.0 (03fc9d622 2017-06-06)
error: `s` does not live long enough
--> <anon>:23:35
|
23 | .map(|s| tokens_from_str(&s));
| ^- borrowed value only lives until here
| |
| does not live long enough
|
= note: borrowed value must be valid for the static lifetime...
我的问题是:
如何修复(如果可能,不更改功能签名?)
有关更好的函数参数和返回值的任何建议吗?
答案 0 :(得分:2)
一个问题是.split_whitespace()
需要引用,并且不拥有其内容。因此,当您尝试使用拥有的对象构建SplitWhitespace
对象时(当您调用.map(|s| tokens_from_str(&s))
时会发生这种情况),删除字符串s
,而SplitWhitespace
仍在尝试参考它。我通过创建一个结构来快速修复此问题,该结构取得String
的所有权并按需生成SplitWhitespace
。
use std::fs::File;
use std::io::{BufRead, BufReader};
use std::path::Path;
use std::iter::IntoIterator;
use std::str::SplitWhitespace;
pub struct SplitWhitespaceOwned(String);
impl<'a> IntoIterator for &'a SplitWhitespaceOwned {
type Item = &'a str;
type IntoIter = SplitWhitespace<'a>;
fn into_iter(self) -> Self::IntoIter {
self.0.split_whitespace()
}
}
// Returns an iterator of an iterator. The use case is a very large file where
// each line is very long. The outer iterator goes over the file's lines.
// The inner iterator returns the words of each line.
pub fn tokens_from_path<P>(path_arg: P) -> Box<Iterator<Item = SplitWhitespaceOwned>>
where P: AsRef<Path>
{
let reader = reader_from_path(path_arg);
let iter = reader
.lines()
.filter_map(|result| result.ok())
.map(|s| SplitWhitespaceOwned(s));
Box::new(iter)
}
fn reader_from_path<P>(path_arg: P) -> BufReader<File>
where P: AsRef<Path>
{
let path = path_arg.as_ref();
let file = File::open(path).unwrap();
BufReader::new(file)
}
fn main() {
let t = tokens_from_path("test.txt");
for line in t {
for word in &line {
println!("{}", word);
}
}
}
答案 1 :(得分:2)
免责声明:框架挑战
处理大文件时,最简单的解决方案是使用Memory Mapped Files。
也就是说,告诉操作系统您希望整个文件可以在内存中访问,并且由它来处理文件内部和内存的分页部分。
一旦关闭,您的整个文件都可以&[u8]
或&str
(方便的时候)访问,您可以轻松访问它的切片。
它可能并不总是最快的解决方案;它当然是最简单的。
答案 2 :(得分:0)
这里的问题是你使用to_string()
将每个项目变成一个拥有的值,这是懒惰的。由于它是懒惰的,因此在返回的迭代器状态中仍然使用to_string之前的值(&str
),因此无效(因为源字符串在您的{{ {1}}闭包返回)。
这里最简单的解决方案是删除迭代器的那部分的惰性求值,并在分配行后立即分配所有令牌。这不会那么快,并且会涉及额外的分配,但是对当前函数的改动很小,并保持相同的签名:
map
此解决方案适用于任何小型工作负载,并且它将仅为该线路同时分配大约两倍的内存。这会带来性能损失,但除非你有10mb +行,否则它可能无所谓。
如果您选择此解决方案,我建议您更改// Returns an iterator of an iterator. The use case is a very large file where
// each line is very long. The outer iterator goes over the file's lines.
// The inner iterator returns the words of each line.
pub fn tokens_from_path<P>(path_arg: P) -> BoxIter<BoxIter<String>>
where
P: AsRef<Path>
{
let reader = reader_from_path(path_arg);
let iter = reader.lines()
.filter_map(|result| result.ok())
.map(|s| {
let collected = tokens_from_str(&s).collect::<Vec<_>>();
Box::new(collected.into_iter()) as Box<Iterator<Item=String>>
});
Box::new(iter)
}
的功能签名以直接返回tokens_from_path
:
BoxIter<String>
pub fn tokens_from_path<P>(path_arg: P) -> BoxIter<String>
where
P: AsRef<Path>
{
let reader = reader_from_path(path_arg);
let iter = reader.lines()
.filter_map(|result| result.ok())
.flat_map(|s| {
let collected = tokens_from_str(&s).collect::<Vec<_>>();
Box::new(collected.into_iter()) as Box<Iterator<Item=String>>
});
Box::new(iter)
}
和tokens_from_path
原始代码不起作用,因为您试图将借用返回到您不会返回的字符串。
我们可以通过返回String来修复它 - 只是隐藏在不透明的API后面。这与breeden's solution非常相似,但在执行方面略有不同。
tokens_from_str
正如您所注意到的,use std::fs::{File};
use std::io::{BufRead, BufReader};
use std::path::Path;
type BoxIter<T> = Box<Iterator<Item=T>>;
/// Structure representing in our code a line, but with an opaque API surface.
pub struct TokenIntermediate(String);
impl<'a> IntoIterator for &'a TokenIntermediate {
type Item = String;
type IntoIter = Box<Iterator<Item=String> + 'a>;
fn into_iter(self) -> Self::IntoIter {
// delegate to tokens_from_str
tokens_from_str(&self.0)
}
}
fn tokens_from_str<'a>(text: &'a str) -> Box<Iterator<Item=String> + 'a> {
Box::new(text.lines().flat_map(|s|
s.split_whitespace().map(|s| s.to_string())
))
}
// Returns an iterator of an iterator. The use case is a very large file where
// each line is very long. The outer iterator goes over the file's lines.
// The inner iterator returns the words of each line.
pub fn token_parts_from_path<P>(path_arg: P) -> BoxIter<TokenIntermediate>
where
P: AsRef<Path>
{
let reader = reader_from_path(path_arg);
let iter = reader.lines()
.filter_map(|result| result.ok())
.map(|s| TokenIntermediate(s));
Box::new(iter)
}
fn reader_from_path<P>(path_arg: P) -> BufReader<File>
where P: AsRef<Path> {
let path = path_arg.as_ref();
let file = File::open(path).unwrap();
BufReader::new(file)
}
没有区别,tokens_from_str
只返回这个不透明的tokens_from_path
结构。这将与原始解决方案一样可用,它只是将中间TokenIntermediate
值的所有权推送到调用者,因此他们可以迭代它们中的标记。