如下的程序,將一個行數為fileLines的文本文件平均分為splitNum個小文本文件,其中換行符'r'是linux上的,windows的java換行符是'\r\n':
- package kddcup2012.task2.FileSystem;
-
- import java.io.BufferedInputStream;
- import java.io.BufferedReader;
- import java.io.File;
- import java.io.FileInputStream;
- import java.io.FileWriter;
- import java.io.IOException;
- import java.io.InputStreamReader;
-
- public class FileSplit
- {
- public static void main(String[] args) throws IOException
- {
- long timer = System.currentTimeMillis();
- int bufferSize = 20 * 1024 * 1024;//設讀取文件的緩存為20MB
-
- //建立緩沖文本輸入流
- File file = new File("/media/Data/畢業設計/kdd cup/數據/userid_profile.txt");
- FileInputStream fileInputStream = new FileInputStream(file);
- BufferedInputStream bufferedInputStream = new BufferedInputStream(fileInputStream);
- InputStreamReader inputStreamReader = new InputStreamReader(bufferedInputStream);
- BufferedReader input = new BufferedReader(inputStreamReader, bufferSize);
-
- int splitNum = 112-1;//要分割的塊數減一
- int fileLines = 23669283;//輸入文件的行數
- long perSplitLines = fileLines / splitNum;//每個塊的行數
- for (int i = 0; i <= splitNum; ++i)
- {
- //分割
- //每個塊建立一個輸出
- FileWriter output = new FileWriter("/home/haoqiong/part" + i + ".txt");
- String line = null;
- //逐行讀取,逐行輸出
- for (long lineCounter = 0; lineCounter < perSplitLines && (line = input.readLine()) != null; ++lineCounter)
- {
- output.append(line + "\r");
- }
- output.flush();
- output.close();
- output = null;
- }
- input.close();
- timer = System.currentTimeMillis() - timer;
- System.out.println("處理時間:" + timer);
- }
- }
以上程序處理大文本文件只需要30MB左右的內存空間(這和所設的讀取緩沖大小有關),但是速度不是很快,在磁盤沒有其他程序占用的情況下,將200MB文件分割為112份需要20秒(機器配置:Centrino2 P7450 CPU,2GB DDR3內存,Ubuntu 11.10系統,硬盤最大讀寫速度大約60MB/S)。
另外,對於幾百兆到2GB大小的文件,使用內存映射文件的話,速度會塊一些,但是內存映射由於映射的文件長度不能超過java中int類型的最大值,所以只能處理2GB以下的文件。