如何通过CSVParser处理大文件？

Question

我有一个大的.csv文件（大约300 MB），从远程主机读取，并解析为目标文件，但我不需要将所有行复制到目标文件。在复制时，我需要从源读取每一行，如果它传递了一些谓词，则将该行添加到目标文件中。

我想Apache CSV（apache.commons.csv）只能解析整个文件

CSVFormat csvFileFormat = CSVFormat.EXCEL.withHeader();
CSVParser csvFileParser = new CSVParser("filePath", csvFileFormat);
List<CSVRecord> csvRecords = csvFileParser.getRecords();

所以我不能使用BufferedReader。根据我的代码，应为每一行创建一个new CSVParser()实例，这看起来效率低下。

如何在上面的情况下解析单行（具有表的已知标题）？

Answer 1

无论您做什么，文件中的所有数据都将转移到您的本地计算机，因为您的系统需要解析它以确定其有效性。无论文件是通过解析器读取的文件到达（因此您可以解析每一行），还是只是复制整个文件以进行解析，它们都会转到本地。您需要获取本地数据，然后修剪多余的数据。

调用csvFileParser.getRecords()已经失败了，因为the documentation解释说该方法将文件的每一行都加载到内存中。要在保留活动内存的同时解析记录，您应该迭代每条记录;文档暗示以下代码一次将一条记录加载到内存：

CSVParser csvFileParser = CSVParser.parse(new File("filePath"), csvFileFormat);

for (CSVRecord csvRecord : csvFileParser) {
     ... // qualify the csvRecord; output qualified row to new file and flush as needed.
}

由于您解释"filePath"不是本地的，因此上述解决方案容易因连接问题而失败。为了消除连接问题，我建议您将整个远程文件复制到本地，确保通过比较校验和来准确复制文件，解析本地副本以创建目标文件，然后在完成后删除本地副本。

Answer 2

这是一个迟到的响应，但您可以使用带有CSVParser的BufferedReader：

try (BufferedReader reader = new BufferedReader(new FileReader(fileName), 1048576 * 10)) {
    Iterable<CSVRecord> records = CSVFormat.RFC4180.parse(reader);
    for (CSVRecord line: records) {
        // Process each line here
    }
catch (...) { // handle exceptions from your bufferedreader here