Question

我尝试了unxutils'wc -l，但崩溃了1GB文件。我试过这个C＃代码

long count = 0;
using (StreamReader r = new StreamReader(f))
{
    string line;
    while ((line = r.ReadLine()) != null)
    {
        count++;
    }
}

return count;

它在4秒内读取500MB文件

var size = 256;
var bytes = new byte[size];
var count = 0;
byte query = Convert.ToByte('\n');
using (var stream = File.OpenRead(file))
{
    int many;
    do
    {
        many = stream.Read(bytes, 0, size);
        count += bytes.Where(a => a == query).Count();                    
    } while (many == size);
}

10秒内读取

var count = 0;
int query = (int)Convert.ToByte('\n');
using (var stream = File.OpenRead(file))
{
    int current;
    do
    {
        current = stream.ReadByte();
        if (current == query)
        {
            count++;
            continue;
        }
    } while (current!= -1);
}

需要7秒

我还没有尝试过更快的事情吗？

Answer 1

File.ReadLines是在.NET 4.0中引入的

var count = File.ReadLines(file).Count();

在4秒内工作，与第一个代码段相同

Answer 2

您的第一种方法看起来确实是最佳解决方案。请记住，您大部分不受CPU限制，但受到HD读取速度的限制，500MB / 4秒= 125MB / s已经非常快。获得更快速度的唯一方法是通过RAID或使用SSD，而不是通过更好的算法。

Answer 3

您是否只是在寻找一种工具来计算文件中的行数并且有效？如果是，请尝试MS LogParser

下面的内容会给你一些行数：

LogParser "SELECT count(*) FROM file" -i:TEXTLINE

Answer 4

如果你真的想要快速，请考虑C代码。

如果这是一个命令行实用程序，它会更快，因为它不必初始化CLR或.NET。并且，它不会为从文件读取的每一行重新分配新字符串，这可能会节省吞吐量的时间。

我没有任何1g行的文件，所以我无法比较。你可以试试，但是：

/*
 * LineCount.c
 *
 * count lines...
 *
 * compile with: 
 *
 *  c:\vc10\bin\cl.exe /O2 -Ic:\vc10\Include -I\winsdk\Include 
 *          LineCount.c -link /debug /SUBSYSTEM:CONSOLE /LIBPATH:c:\vc10\Lib
 *          /LIBPATH:\winsdk\Lib /out:LineCount.exe
 */

#include <stdio.h>
#include <string.h>
#include <stdlib.h>


void Usage(char *appname)
{
    printf("\nLineCount.exe\n");
    printf("  count lines in a text file...\n\n");
    printf("usage:\n");
    printf("  %s <filename>\n\n", appname);
}



int linecnt(char *file)
{
    int sz = 2048;
    char *buf = (char *) malloc(sz);
    FILE *fp = NULL;
    int n= 0;
    errno_t rc = fopen_s(&fp, file, "r");

    if (rc) {
        fprintf(stderr, "%s: fopen(%s) failed: ecode(%d)\n",
                __FILE__, file, rc);
        return -1;
    }

    while (fgets(buf, sz, fp)){
        int r = strlen(buf);
        if (buf[r-1] == '\n')
            n++;
        // could re-alloc here to handle larger lines
    }
    fclose(fp);
    return n;
}

int main(int argc, char **argv)
{
    if (argc==2) {
        int n = linecnt (argv[1]);
        printf("Lines: %d\n", n);
    }
    else {
        Usage(argv[0]);
        exit(1);
    }
}

Answer 5

我认为你的答案看起来不错。我唯一要补充的是使用缓冲区大小。我觉得它可能会改变性能，具体取决于您的缓冲区大小。

请参阅 - Optimum file buffer read size?

的缓冲区大小

Answer 6

你试过flex吗？

%{
long num_lines = 0;
%}
%option 8bit outfile="scanner.c"
%option nounput nomain noyywrap
%option warn

%%
.+ { }
\n { ++num_lines; }
%%
int main(int argc, char **argv);

int main (argc,argv)
int argc;
char **argv;
{
yylex();
printf( "# of lines = %d\n", num_lines );
return 0;
}

只需编译：

flex -Cf scanner.l 
gcc -O -o lineCount.exe scanner.c

它接受stdin上的输入并输出行数。

如何快速计算线？

6 个答案: