Preciso ler um arquivo de texto grande de cerca de 5-6 GB, linha por linha, usando Java.
Como posso fazer isso rapidamente?
Preciso ler um arquivo de texto grande de cerca de 5-6 GB, linha por linha, usando Java.
Como posso fazer isso rapidamente?
Respostas:
Um padrão comum é usar
try (BufferedReader br = new BufferedReader(new FileReader(file))) {
String line;
while ((line = br.readLine()) != null) {
// process the line.
}
}
Você pode ler os dados mais rapidamente se considerar que não há codificação de caracteres. por exemplo, ASCII-7, mas não fará muita diferença. É altamente provável que o que você faz com os dados demore muito mais.
EDIT: Um padrão menos comum de usar que evita o escopo de line
vazamento.
try(BufferedReader br = new BufferedReader(new FileReader(file))) {
for(String line; (line = br.readLine()) != null; ) {
// process the line.
}
// line is not visible here.
}
ATUALIZAÇÃO: No Java 8 você pode fazer
try (Stream<String> stream = Files.lines(Paths.get(fileName))) {
stream.forEach(System.out::println);
}
NOTA: Você deve colocar o Stream em um bloco try-with-resource para garantir que o método #close seja chamado, caso contrário, o identificador de arquivo subjacente nunca será fechado até que o GC o faça muito mais tarde.
for(String line = br.readLine(); line != null; line = br.readLine())
, no Java 8 você pode fazer o try( Stream<String> lines = Files.lines(...) ){ for( String line : (Iterable<String>) lines::iterator ) { ... } }
que é difícil não odiar.
Veja este blog:
O tamanho do buffer pode ser especificado ou o tamanho padrão pode ser usado. O padrão é grande o suficiente para a maioria dos propósitos.
// Open the file
FileInputStream fstream = new FileInputStream("textfile.txt");
BufferedReader br = new BufferedReader(new InputStreamReader(fstream));
String strLine;
//Read File Line By Line
while ((strLine = br.readLine()) != null) {
// Print the content on the console
System.out.println (strLine);
}
//Close the input stream
fstream.close();
DataInputStream
, e o fluxo errado é fechado. Nada de errado com o Tutorial Java, e não há necessidade de citar lixo arbitrário da Internet de terceiros como este.
Quando o Java 8 for lançado (março de 2014), você poderá usar fluxos:
try (Stream<String> lines = Files.lines(Paths.get(filename), Charset.defaultCharset())) {
lines.forEachOrdered(line -> process(line));
}
Imprimindo todas as linhas no arquivo:
try (Stream<String> lines = Files.lines(file, Charset.defaultCharset())) {
lines.forEachOrdered(System.out::println);
}
StandardCharsets.UTF_8
, use Stream<String>
por concisão e evite usá forEach()
-lo, especialmente a forEachOrdered()
menos que haja um motivo.
forEach(this::process)
, mas fica feio se você escrever blocos de código como lambdas dentro forEach()
.
forEachOrdered
executar em ordem. Esteja ciente de que não será possível paralelizar o fluxo nesse caso, embora eu tenha descoberto que a paralelização não é ativada, a menos que o arquivo tenha milhares de linhas.
Aqui está uma amostra com tratamento completo de erros e especificação de conjunto de caracteres de suporte para pré-Java 7. Com o Java 7, você pode usar a sintaxe try-with-resources, o que torna o código mais limpo.
Se você deseja apenas o conjunto de caracteres padrão, pode pular o InputStream e usar o FileReader.
InputStream ins = null; // raw byte-stream
Reader r = null; // cooked reader
BufferedReader br = null; // buffered for readLine()
try {
String s;
ins = new FileInputStream("textfile.txt");
r = new InputStreamReader(ins, "UTF-8"); // leave charset out for default
br = new BufferedReader(r);
while ((s = br.readLine()) != null) {
System.out.println(s);
}
}
catch (Exception e)
{
System.err.println(e.getMessage()); // handle exception
}
finally {
if (br != null) { try { br.close(); } catch(Throwable t) { /* ensure close happens */ } }
if (r != null) { try { r.close(); } catch(Throwable t) { /* ensure close happens */ } }
if (ins != null) { try { ins.close(); } catch(Throwable t) { /* ensure close happens */ } }
}
Aqui está a versão Groovy, com manipulação completa de erros:
File f = new File("textfile.txt");
f.withReader("UTF-8") { br ->
br.eachLine { line ->
println line;
}
}
ByteArrayInputStream
literal alimentado por uma string tem a ver com a leitura de um arquivo de texto grande?
No Java 8, você pode fazer:
try (Stream<String> lines = Files.lines (file, StandardCharsets.UTF_8))
{
for (String line : (Iterable<String>) lines::iterator)
{
;
}
}
Algumas notas: O fluxo retornado por Files.lines
(diferente da maioria dos fluxos) precisa ser fechado. Pelas razões mencionadas aqui , evito usar forEach()
. O código estranho (Iterable<String>) lines::iterator
lança um fluxo em um iterável.
Iterable
esse código, é definitivamente feio, embora útil. Ele precisa de um elenco (ou seja (Iterable<String>)
) para funcionar.
for(String line : (Iterable<String>) lines.skip(1)::iterator)
Stream
recursos, usando Files.newBufferedReader
, em vez de Files.lines
e repetidamente chamado readLine()
até null
em vez de usar construções como (Iterable<String>) lines::iterator
parece ser muito mais simples ...
O que você pode fazer é digitalizar o texto inteiro usando o Scanner e percorrer o texto linha por linha. Obviamente, você deve importar o seguinte:
import java.io.File;
import java.io.FileNotFoundException;
import java.util.Scanner;
public static void readText throws FileNotFoundException {
Scanner scan = new Scanner(new File("samplefilename.txt"));
while(scan.hasNextLine()){
String line = scan.nextLine();
//Here you can manipulate the string the way you want
}
}
O scanner basicamente digitaliza todo o texto. O loop while é usado para percorrer o texto inteiro.
A .hasNextLine()
função é um booleano que retorna true se ainda houver mais linhas no texto. A .nextLine()
função fornece uma linha inteira como uma String, que você pode usar da maneira que desejar. Tente System.out.println(line)
imprimir o texto.
Nota: .txt é o texto do tipo de arquivo.
BufferedReader.readLine()
, e ele pediu o método com melhor desempenho.
O FileReader não permitirá que você especifique a codificação, use-a InputStreamReader
se precisar especificá-la:
try {
BufferedReader br = new BufferedReader(new InputStreamReader(new FileInputStream(filePath), "Cp1252"));
String line;
while ((line = br.readLine()) != null) {
// process the line.
}
br.close();
} catch (IOException e) {
e.printStackTrace();
}
Se você importou esse arquivo do Windows, ele pode ter codificação ANSI (Cp1252), portanto, você deve especificar a codificação.
Documentei e testei 10 maneiras diferentes de ler um arquivo em Java e, em seguida, executei-os um contra o outro, fazendo-os ler em arquivos de teste de 1 KB a 1 GB. Aqui estão os três métodos de leitura de arquivos mais rápidos para ler um arquivo de teste de 1 GB.
Observe que, ao executar os testes de desempenho, não produzi nada para o console, pois isso realmente atrasaria o teste. Eu só queria testar a velocidade de leitura bruta.
1) java.nio.file.Files.readAllBytes ()
Testado em Java 7, 8, 9. Esse foi o método mais rápido. A leitura de um arquivo de 1 GB consistia em pouco menos de 1 segundo.
import java.io..File;
import java.io.IOException;
import java.nio.file.Files;
public class ReadFile_Files_ReadAllBytes {
public static void main(String [] pArgs) throws IOException {
String fileName = "c:\\temp\\sample-1GB.txt";
File file = new File(fileName);
byte [] fileBytes = Files.readAllBytes(file.toPath());
char singleChar;
for(byte b : fileBytes) {
singleChar = (char) b;
System.out.print(singleChar);
}
}
}
2) java.nio.file.Files.lines ()
Isso foi testado com sucesso no Java 8 e 9, mas não funcionará no Java 7 devido à falta de suporte para expressões lambda. Demorou cerca de 3,5 segundos para ler um arquivo de 1 GB, o que o colocou em segundo lugar na leitura de arquivos maiores.
import java.io.File;
import java.io.IOException;
import java.nio.file.Files;
import java.util.stream.Stream;
public class ReadFile_Files_Lines {
public static void main(String[] pArgs) throws IOException {
String fileName = "c:\\temp\\sample-1GB.txt";
File file = new File(fileName);
try (Stream linesStream = Files.lines(file.toPath())) {
linesStream.forEach(line -> {
System.out.println(line);
});
}
}
}
3) BufferedReader
Testado para funcionar em Java 7, 8, 9. Demorou cerca de 4,5 segundos para ler em um arquivo de teste de 1 GB.
import java.io.BufferedReader;
import java.io.FileReader;
import java.io.IOException;
public class ReadFile_BufferedReader_ReadLine {
public static void main(String [] args) throws IOException {
String fileName = "c:\\temp\\sample-1GB.txt";
FileReader fileReader = new FileReader(fileName);
try (BufferedReader bufferedReader = new BufferedReader(fileReader)) {
String line;
while((line = bufferedReader.readLine()) != null) {
System.out.println(line);
}
}
}
Você pode encontrar as classificações completas para todos os 10 métodos de leitura de arquivos aqui .
System.out.print/println()
aqui; você também está assumindo que o arquivo caberá na memória nos dois primeiros casos.
No Java 7:
String folderPath = "C:/folderOfMyFile";
Path path = Paths.get(folderPath, "myFileName.csv"); //or any text file eg.: txt, bat, etc
Charset charset = Charset.forName("UTF-8");
try (BufferedReader reader = Files.newBufferedReader(path , charset)) {
while ((line = reader.readLine()) != null ) {
//separate all csv fields into string array
String[] lineVariables = line.split(",");
}
} catch (IOException e) {
System.err.println(e);
}
StandardCharsets.UTF_8
para evitar a exceção verificada noCharset.forName("UTF-8")
No Java 8, também há uma alternativa ao uso Files.lines()
. Se a sua fonte de entrada não for um arquivo, mas algo mais abstrato como um Reader
ou um InputStream
, você pode transmitir as linhas através do método BufferedReader
s lines()
.
Por exemplo:
try (BufferedReader reader = new BufferedReader(...)) {
reader.lines().forEach(line -> processLine(line));
}
chamará processLine()
cada linha de entrada lida pelo BufferedReader
.
Para ler um arquivo com Java 8
package com.java.java8;
import java.nio.file.Files;
import java.nio.file.Paths;
import java.util.stream.Stream;
/**
* The Class ReadLargeFile.
*
* @author Ankit Sood Apr 20, 2017
*/
public class ReadLargeFile {
/**
* The main method.
*
* @param args
* the arguments
*/
public static void main(String[] args) {
try {
Stream<String> stream = Files.lines(Paths.get("C:\\Users\\System\\Desktop\\demoData.txt"));
stream.forEach(System.out::println);
}
catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
}
}
Você pode usar a classe Scanner
Scanner sc=new Scanner(file);
sc.nextLine();
Scanner
é bom, mas esta resposta não inclui o código completo para usá-lo corretamente.
BufferedReader.readLine()
seja certamente várias vezes mais rápido. Se você pensa o contrário, forneça seus motivos.
Você precisa usar o readLine()
método class BufferedReader
. Crie um novo objeto dessa classe e opere esse método nele e salve-o em uma string.
A maneira clara de conseguir isso,
Por exemplo:
Se você tem dataFile.txt
no seu diretório atual
import java.io.*;
import java.util.Scanner;
import java.io.FileNotFoundException;
public class readByLine
{
public readByLine() throws FileNotFoundException
{
Scanner linReader = new Scanner(new File("dataFile.txt"));
while (linReader.hasNext())
{
String line = linReader.nextLine();
System.out.println(line);
}
linReader.close();
}
public static void main(String args[]) throws FileNotFoundException
{
new readByLine();
}
}
try (Stream<String> stream = Files.lines(Paths.get(fileName))) {
stream.forEach(System.out::println);
}
System.getProperty("os.name").equals("Linux")
==
!
BufferedReader br;
FileInputStream fin;
try {
fin = new FileInputStream(fileName);
br = new BufferedReader(new InputStreamReader(fin));
/*Path pathToFile = Paths.get(fileName);
br = Files.newBufferedReader(pathToFile,StandardCharsets.US_ASCII);*/
String line = br.readLine();
while (line != null) {
String[] attributes = line.split(",");
Movie movie = createMovie(attributes);
movies.add(movie);
line = br.readLine();
}
fin.close();
br.close();
} catch (FileNotFoundException e) {
System.out.println("Your Message");
} catch (IOException e) {
System.out.println("Your Message");
}
Funciona para mim. Espero que também ajude você.
Você pode usar fluxos para fazer isso com mais precisão:
Files.lines(Paths.get("input.txt")).forEach(s -> stringBuffer.append(s);
Eu costumo fazer a rotina de leitura direta:
void readResource(InputStream source) throws IOException {
BufferedReader stream = null;
try {
stream = new BufferedReader(new InputStreamReader(source));
while (true) {
String line = stream.readLine();
if(line == null) {
break;
}
//process line
System.out.println(line)
}
} finally {
closeQuiet(stream);
}
}
static void closeQuiet(Closeable closeable) {
if (closeable != null) {
try {
closeable.close();
} catch (IOException ignore) {
}
}
}
Você pode usar este código:
import java.io.BufferedReader;
import java.io.File;
import java.io.FileReader;
import java.io.IOException;
public class ReadTextFile {
public static void main(String[] args) throws IOException {
try {
File f = new File("src/com/data.txt");
BufferedReader b = new BufferedReader(new FileReader(f));
String readLine = "";
System.out.println("Reading file using Buffered Reader");
while ((readLine = b.readLine()) != null) {
System.out.println(readLine);
}
} catch (IOException e) {
e.printStackTrace();
}
}
}
Ao usar o pacote org.apache.commons.io , ele deu mais desempenho, especialmente no código legado que usa Java 6 e abaixo.
O Java 7 tem uma API melhor, com menos manipulação de exceções e métodos mais úteis:
LineIterator lineIterator = null;
try {
lineIterator = FileUtils.lineIterator(new File("/home/username/m.log"), "windows-1256"); // The second parameter is optionnal
while (lineIterator.hasNext()) {
String currentLine = lineIterator.next();
// Some operation
}
}
finally {
LineIterator.closeQuietly(lineIterator);
}
<!-- https://mvnrepository.com/artifact/commons-io/commons-io -->
<dependency>
<groupId>commons-io</groupId>
<artifactId>commons-io</artifactId>
<version>2.6</version>
</dependency>
Você também pode usar o Apache Commons IO :
File file = new File("/home/user/file.txt");
try {
List<String> lines = FileUtils.readLines(file);
} catch (IOException e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
FileUtils.readLines(file)
é um método obsoleto. Além disso, o método chama IOUtils.readLines
, que usa um BufferedReader e ArrayList. Este não é um método linha por linha, e certamente não seria prático para a leitura de vários GB.