合并大文件而不将整个文件加载到内存中？

Question

我想将包含字符串的大文件合并到一个文件中，并尝试使用 nio2。我不想将整个文件加载到内存中，所以我用 BufferedReader 尝试了：

public void mergeFiles(filesToBeMerged) throws IOException{

Path mergedFile = Paths.get("mergedFile");
Files.createFile(mergedFile);

List<Path> _filesToBeMerged = filesToBeMerged;

try (BufferedWriter writer = Files.newBufferedWriter(mergedFile,StandardOpenOption.APPEND)) {
        for (Path file : _filesToBeMerged) {
// this does not work as write()-method does not accept a BufferedReader
            writer.append(Files.newBufferedReader(file));
        }
    } catch (IOException e) {
        System.err.println(e);
    }

}

我用这个尝试过，这有效，但是，字符串的格式（例如新行等不会复制到合并文件中）：

...
try (BufferedWriter writer = Files.newBufferedWriter(mergedFile,StandardOpenOption.APPEND)) {
        for (Path file : _filesToBeMerged) {
//              writer.write(Files.newBufferedReader(file));
            String line = null;


BufferedReader reader = Files.newBufferedReader(file);
            while ((line = reader.readLine()) != null) {
                    writer.append(line);
                    writer.append(System.lineSeparator());
             }
reader.close();
        }
    } catch (IOException e) {
        System.err.println(e);
    }
...

如何使用 NIO2 合并大文件而不将整个文件加载到内存中？

Answer 1

如果您想有效地合并两个或更多文件，您应该问自己，为什么要使用基于

char

的

Reader

和

Writer

来执行该任务。

通过使用这些类，您可以将文件的字节转换为字符，从系统默认编码转换为 unicode，然后再从 unicode 转换回系统默认编码。这意味着程序必须对整个文件执行两次数据转换。

顺便说一句，

BufferedReader

和

BufferedWriter

绝不是

NIO2

人工制品。这些类自 Java 的第一个版本以来就存在。

当您通过真正的 NIO 函数使用字节复制时，文件可以在不被 Java 应用程序触及的情况下进行传输，在最好的情况下，传输将直接在文件系统的缓冲区中执行：

import static java.nio.file.StandardOpenOption.*;

import java.io.IOException;
import java.nio.channels.FileChannel;
import java.nio.file.Path;
import java.nio.file.Paths;

public class MergeFiles
{
  public static void main(String[] arg) throws IOException {
    if(arg.length<2) {
      System.err.println("Syntax: infiles... outfile");
      System.exit(1);
    }
    Path outFile=Paths.get(arg[arg.length-1]);
    System.out.println("TO "+outFile);
    try(FileChannel out=FileChannel.open(outFile, CREATE, WRITE)) {
      for(int ix=0, n=arg.length-1; ix<n; ix++) {
        Path inFile=Paths.get(arg[ix]);
        System.out.println(inFile+"...");
        try(FileChannel in=FileChannel.open(inFile, READ)) {
          for(long p=0, l=in.size(); p<l; )
            p+=in.transferTo(p, l-p, out);
        }
      }
    }
    System.out.println("DONE.");
  }
}

Answer 2

与

Files.newBufferedReader(file).readLine()

你每次创建一个新的缓冲区，它总是在第一行重置。

替换为

BufferedReader reader = Files.newBufferedReader(file);
while ((line = reader.readLine()) != null) {
  writer.write(line);
}

完成后

和

.close()

读者。

Answer 3

readLine()

不会产生行结尾 (" “ 或者 ” “）。这就是错误。

while ((line = reader.readLine()) != null) {
    writer.write(line);
    writer.write("\r\n"); // Windows
}

您也可以忽略对（可能不同的）行结尾的过滤，并使用

try (OutputStream out = new FileOutputStream(file);
    for (Path source : filesToBeMerged) {
        Files.copy(path, out);
        out.write("\r\n".getBytes(StandardCharsets.US_ASCII));
    }
}

在最后一行不以换行符结尾的情况下，这会显式写入换行符。

在文件开头将文本标记为 UTF-8/UTF-16LE/UTF-16BE 的可选丑陋 Unicode BOM 字符可能仍然存在问题。

Answer 4

我尝试用 3 种方式将文件合并为一个文件。 我测试了这些方法，但我仍然不知道哪一种最好。 我认为 FileChannel 比其他的更快，但它不适合我。 如果你们有任何疑问，请告诉我。

1. BufferedReader 和 BufferedWrtier

    private static void mergeFiles(List<Path> sources, Path destination) {
        try (BufferedWriter writer = new BufferedWriter(new FileWriter(destination.toFile(), true))) {
            for (Path path : sources) {
                try (BufferedReader reader = new BufferedReader(new InputStreamReader(new FileInputStream(path.toFile())))) {
                    String line;
                    while ((line = reader.readLine()) != null) {
                        writer.write(line);
                        writer.newLine();
                    }
                } catch (IOException e) {
                    throw new RuntimeException(e);
                }
            }
        } catch (IOException e) {
            throw new RuntimeException(e);
        }
    }

2. 输入流和文件.copy

    private static void mergeFiles2(List<Path> sources, Path destination) {
        try {
            BinaryOperator<InputStream> sequenceInputStream = SequenceInputStream::new;
            List<InputStream> inputStreams = new ArrayList<>();

            for (Path path : sources) {
                InputStream is = Files.newInputStream(path, StandardOpenOption.READ);
                inputStreams.add(is);
            }

            InputStream streams = inputStreams.parallelStream().reduce(sequenceInputStream).orElseThrow(() -> new IllegalStateException("inputStreams reduce exception"));
            Files.copy(streams, destination, StandardCopyOption.REPLACE_EXISTING);
        } catch (IOException e) {
            throw new RuntimeException(e);
        }
    }

3. 文件通道

    private static void mergeFiles3(List<Path> sources, Path destination) {
        try (FileChannel desChannel = FileChannel.open(destination, StandardOpenOption.WRITE, StandardOpenOption.CREATE)) {
            for (Path path : sources) {
                try (FileChannel srcChannel = FileChannel.open(path, StandardOpenOption.READ)) {
                    for (long position = 0, size = srcChannel.size(); position < size; ) {
                        position += srcChannel.transferTo(position, size - position, desChannel);
                    }
                }
            }
        } catch (IOException e) {
            throw new RuntimeException(e);
        }
    }