如何確定Java中文件每一行的字節數？

Question

我有一個很大的文本文件。 我想確定每行的字節數並將其保存在另一個文件中。

Answer 1

使用java.io.BufferedReader，您可以輕松地將每一行讀取為單獨的String。 一行使用的字節數取決於所使用的編碼。 對於簡單的ASCII編碼，您可以簡單地使用String的長度，因為每個字符占用一個字節。 對於UTF-8這樣的多字節編碼，您將需要一種更復雜的方法。

Answer 2

以下代碼摘錄

   byte[] chunks  = null;
        BufferedReader  in = 
        new BufferedReader (new InputStreamReader(new FileInputStream(path +"/"+filePath),"UTF-8"));
        String eachLine  = "";  
        while( (eachLine = in.readLine()) != null) 
        {
            chunks = eachLine.getBytes("UTF-8");
            System.out.println(chunks.length);
        } 

Answer 3

創建一個循環：

1. 一次讀一行。
2. 計數字節
3. 將其保存到另一個文件。

Answer 4

如果您對大文件中“行”的組成有一些定義，則可以簡單地逐字節遍歷文件，並且在每次出現行尾或行開始時，您都可以記住當前索引。

例如，如果您有一個unix文本文件（即\\n作為行定界符），則可能如下所示：

/**
 * a simple class encapsulating information about a line in a file.
 */
public static class LineInfo {
    LineInfo(number, start, end) {
       this.lineNumber = number;
       this.startPos = start;
       this.endPos = end;
       this.length = endPos - startPos;
    }
    /** the line number of the line. */
    public final long lineNumber;
    /** the index of the first byte of this line. */
    public final long startPos;
    /** the index after the last byte of this line. */
    public final long endPos;
    /** the length of this line (not including the line separators surrounding it). */
    public final long length;
}

/**
 * creates an index of a file by lines.
 * A "line" is defined by a group of bytes between '\n'
 * bytes (or start/end of file).
 *
 * For each line, a LineInfo element is created and put into the List.
 * The list is sorted by line number, start positions and end positions.
 */
public static List<LineInfo> indexFileByLines(File f)
    throws IOException
{

    List<LineInfo> infos = new ArrayList<LineInfo>();

    InputStream in = new BufferedInputStream(new FileInputStream(f));
    int b;
    for(long index = 0, lastStart = 0, lineNumber = 0;
        (b = in.read()) >= 0 ;
        index++)
    {
        if(b == '\n') {
            LineInfo info = new LineInfo(lineNumber, lastStart, index);
            infos.add(info);
            lastStart = index + 1;
            lineNumber ++;
        }
    }
    return infos;
}

這樣可以避免將字節轉換為char，從而避免任何編碼問題。 它仍然取決於行分隔符是否為\\n但可以有一個參數將其賦予該方法。

（對於使用\\r\\n作為分隔符的DOS / Windows文件，條件要復雜一些，因為我們要么必須存儲前一個字節，要么對下一個字節進行前瞻。）

為了更容易使用，也許不是列表，而是一對（或三對） SortedMap<Long, LineInfo> 。