java實現(xiàn)大文本文件拆分

更新時間：2020年05月19日 17:22:30 作者：lucky_白楊

這篇文章主要為大家詳細介紹了java實現(xiàn)大文本文件拆分，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下

本文實例為大家分享了java實現(xiàn)大文本文件拆分的具體代碼，供大家參考，具體內(nèi)容如下

生成大文件

public static void createBigFile() throws IOException {
 File file = new File("/Users/yangpeng/Documents/temp/big_file.csv");
 FileWriter fileWriter = new FileWriter(file);
 BufferedWriter bufferedWriter = new BufferedWriter(fileWriter);
 String str = "aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa1";
 for (int i = 0; i < 1000000; i++) {
  bufferedWriter.write(str);
  bufferedWriter.newLine();
 }
 bufferedWriter.flush();
 bufferedWriter.close();
}

文件拆分

此處沒有給出根據(jù)文件大小計算需要拆分的文件數(shù)量，所以這里是給定一個拆分文件數(shù)量

思路

思路：給定帶拆分數(shù)量，計算出每個文件的平均字節(jié)數(shù)，然后循環(huán)文件數(shù)進行每個文件的拆分。拆分第一個文件時，根據(jù)平均字節(jié)數(shù)往后取給定的大約行字節(jié)數(shù)的字節(jié)，然后循環(huán)字節(jié)判斷是否為\r或者\n，如果字節(jié)為\r或者\n則代表到達行末尾，記錄行尾字節(jié)位置。知道了開頭字節(jié)位置與結(jié)束字節(jié)位置，就可以將此位置之間的數(shù)據(jù)生成子文件了。繼續(xù)循環(huán)拆分下個文件，基于上個文件記錄的結(jié)束字節(jié)位置繼續(xù)計算當前文件的結(jié)束位置，直到到達拆分文件的數(shù)量或者大文件讀取完畢。

舉個栗子：

有一個3行記錄的文件，假設每行記錄行字節(jié)包含換行符的字節(jié)數(shù)為100，也就是說這個文件的總字節(jié)數(shù)為300。

我現(xiàn)在要將這個文件拆分成2個。按照上面的思路，首先我需要計算出文件的平均值300/2=150，這里計算出的平均值并不是拆分出來的子文件一定是150，因為這個數(shù)字位置的字節(jié)有可能在一行的中間，那么我要基于這個數(shù)字算出下個換行符出現(xiàn)的位置當做我這個子文件的結(jié)束位。

所以我給定一個行字節(jié)數(shù)100+150=250，這個150到250之間的字節(jié)我認為有換行符，所以我輪詢這100字節(jié)，判斷是否為換行符，結(jié)果我輪到到50的位置發(fā)現(xiàn)了換行。

那么我這個第一個文件的結(jié)束位置是150+50=200，然后將0到200之間的字節(jié)生成第一個文件。然后基于這個200的位置繼續(xù)拆分下個文件，由于200+150已經(jīng)大于了源文件的大小，所以直接將200到300的數(shù)據(jù)生成一個子文件。所以最終的結(jié)果是一二行為一個子文件，三行為第二個子文件。

代碼

考慮到性能與內(nèi)存占用的問題，此處實現(xiàn)采用NIO

public static void splitFile(String filePath, int fileCount) throws IOException {
 FileInputStream fis = new FileInputStream(filePath);
 FileChannel inputChannel = fis.getChannel();
 final long fileSize = inputChannel.size();
 long average = fileSize / fileCount;//平均值
 long bufferSize = 200; //緩存塊大小，自行調(diào)整
 ByteBuffer byteBuffer = ByteBuffer.allocate(Integer.valueOf(bufferSize + "")); // 申請一個緩存區(qū)
 long startPosition = 0; //子文件開始位置
 long endPosition = average < bufferSize ? 0 : average - bufferSize;//子文件結(jié)束位置
 for (int i = 0; i < fileCount; i++) {
  if (i + 1 != fileCount) {
   int read = inputChannel.read(byteBuffer, endPosition);// 讀取數(shù)據(jù)
   readW:
   while (read != -1) {
    byteBuffer.flip();//切換讀模式
    byte[] array = byteBuffer.array();
    for (int j = 0; j < array.length; j++) {
     byte b = array[j];
     if (b == 10 || b == 13) { //判斷\n\r
      endPosition += j;
      break readW;
     }
    }
    endPosition += bufferSize;
    byteBuffer.clear(); //重置緩存塊指針
    read = inputChannel.read(byteBuffer, endPosition);
   }
  }else{
   endPosition = fileSize; //最后一個文件直接指向文件末尾
  }

  FileOutputStream fos = new FileOutputStream(filePath + (i + 1));
  FileChannel outputChannel = fos.getChannel();
  inputChannel.transferTo(startPosition, endPosition - startPosition, outputChannel);//通道傳輸文件數(shù)據(jù)
  outputChannel.close();
  fos.close();
  startPosition = endPosition + 1;
  endPosition += average;
 }
 inputChannel.close();
 fis.close();

}

public static void main(String[] args) throws Exception {
 Scanner scanner = new Scanner(System.in);
 scanner.nextLine();
 long startTime = System.currentTimeMillis();
 splitFile("/Users/yangpeng/Documents/temp/big_file.csv",5);
 long endTime = System.currentTimeMillis();
 System.out.println("耗費時間： " + (endTime - startTime) + " ms");
 scanner.nextLine();
}

使用NIO可以高效的實現(xiàn)文件拆分，我的文件為100W行大小為1.02G的文本文件，拆分成5個子文件總耗時1224ms