我想从不同的文本或json或csv文件中读取数据。我应该遵循哪种方法?
我已经阅读了这些博客File read,read 2GB text file with small RAM,了解不同的文件阅读方法。
* Reading a file in chunks
* Reading file chunks concurrently
* Reading the entire file into memory
* Splitting a long string into words
* Scanning word by word
无法找到使用小RAM读取文件的最快方法。
解析文件的方法基本上有两种:文档解析和流解析。
文档解析从文件中读取数据并将其转换为可以查询的大量对象,例如浏览器中的HTML DOM。优点是您可以轻松获得完整的数据,这通常更简单。缺点是你必须将它全部存储在内存中。
dom = parse(stuff)
// now do whatever you like with the dom
流解析而不是一次读取一个元素并将其呈现给您立即使用,然后继续进行下一个元素。
for element := range stream(stuff) {
...examine one element at a time...
}
优点是您不必将整个内容加载到内存中。缺点是您必须处理数据。这对于搜索或需要逐个处理的任何其他内容非常有用。
幸运的是,Go提供了库来处理常见格式。
一个简单的例子是处理CSV文件。
package main
import(
"encoding/csv"
"fmt"
"log"
"os"
"io"
)
func main() {
file, err := os.Open("test.csv")
if err != nil {
log.Fatal(err)
}
parser := csv.NewReader(file)
...
}
我们可以将整个事物作为一个大的[][]string
啜饮到记忆中。
records, err := parser.ReadAll()
if err != nil {
log.Fatal(err)
}
for _,record := range records {
fmt.Println(record)
}
或者我们可以保存一堆内存并一次处理一行。
for {
record, err := parser.Read()
if err == io.EOF {
break
}
if err != nil {
log.Fatal(err)
}
fmt.Println(record)
}
由于CSV的每一行在功能上都是相同的,因此一次处理一行是最有意义的。
JSON和XML更复杂,因为它们是大型嵌套结构,但它们也可以流式传输。有an example of streaming in the encoding/json documentation。
如果您的代码不是简单的循环怎么办?如果你想利用并发性怎么办?使用通道和goroutine将其与程序的其余部分同时提供。
records := make( chan []string )
go func() {
parser := csv.NewReader(file)
defer close(records)
for {
record, err := parser.Read()
if err == io.EOF {
break
}
if err != nil {
log.Fatal(err)
}
records <- record
}
}();
现在你可以将records
传递给一个可以处理它们的函数。
func print_records( records chan []string ) {
for record := range records {
fmt.Println(record)
}
}