如何使用Java从文本文件中的指定索引提取字符串？

Question

我正在使用Java尝试从文本文件中提取特定索引之间的字符。 这是一个很大的文本文件，不允许将其加载到内部存储器中。 因此，我仅限于读取文件的一部分，因此只读取具有这些特定索引的部分。 这个怎么做？

我也许还可以从Java内部利用linux终端，然后使用sed或awk之类的东西，但是在这种情况下，我还必须学习如何处理这些程序。

无论哪种方式都必须快速，并且整个程序的执行时间不得超过一秒钟。

感谢任何建议！

Answer 1

如果文本文件的索引与该索引处的byte相对应，则可以使用RandomAccessFile seek特定的byte并直接从那里读取信息。

根据RandomAccessFile#seek的文档 ：

设置文件指针偏移量，从该文件的开头开始测量，在该位置下一次读取或写入。

您可以执行以下操作：

RandomAccessFile raf = new RandomAccessFile(file, "r");

raf.seek(index);

其中file是您的文本文件， r是模式（读取），而index是您要开始读取的byte 。

根据文本文件的格式设置，您可以读取每个字节，直到下一个换行符\\n为止，但是在调用seek （将行数添加到索引中）时，也可能必须考虑到这一点。

Answer 2

您可以流式传输文件并跳至所需的任何行。 一旦有了所需的行，就可以照常从中提取一个子字符串。

看一下这个例子：

long start = System.currentTimeMillis();

try (Stream<String> lines = Files.lines(Paths.get("myfile.txt"))) {
    String line = lines.skip(500000).findFirst().get();
    String extracted = line.substring(10, 20);
    System.out.println(extracted);

} catch (IOException e) {
    e.printStackTrace();
}

System.out.println("Time taken: " + (System.currentTimeMillis() - start)/1000.0);

我已经使用1gb文件（包含1,000,000行文本）对其进行了测试。 它从行500,000中提取一个小的子字符串。

输出：