一 由来
去年由于项目的需求,要将一个任意一个文件制作成一个xml文件,并且需要保持文件内容本身不产生变化,还要能够将这个xml重新还原为原文件。如果小型的文件还好处理,大型的xml,比如几个G的文件,基本上就OOM了,很难直接从节点中提取数据。所以我采用了流的方式。于是有了这个文件的裁剪工具。
二 使用场景
本工具可能的使用场景:
1.对任一文件的切割/裁剪。通过字节流的方式,开始节点和终止节点,裁剪出两个节点之间的部分。
2.往任一文件的头/尾拼接指定字符串。可以很容易将一个文件嵌入在某一个节点中。
3.简单的文本抽取。可以根据自己定义的规则,提取出来想要的文本内容,并且允许对提取出来的文本进行再处理(当然,只是进行简单地抽取文字,并不是什么智能的复杂过程的抽取T_T )。
4.文本过滤。根据自己制定的规则,过滤掉指定的文字。
整个工具仅是对Java文件操作api的简单加工,并且也没有使用nio。在需要高效率的文件处理情景下,本工具的使用有待考量。文章目的是为了给出自己的一种解决方案,若有更好的方案,欢迎大家给出适当的建议。
三 如何使用
别的先不说,来看看如何使用吧!
1.读取文件指定片段
读取第0~1048个字节之间的内容。
1
2
3
4
|
public void readasbytes(){ FileExtractor cuter = new FileExtractor(); byte [] bytes = cuter.from( "D:\\11.txt" ).start( 0 ).end( 1048 ).readAsBytes(); } |
2.文件切割
将第0~1048个字节之间的部分切割为一个新文件。
1
2
3
4
|
public File splitAsFile(){ FileExtractor cuter = new FileExtractor(); return cuter.from( "D:\\11.txt" ).to( "D:\\22.txt" ).start( 0 ).end( 1048 ).extractAsFile(); } |
3.将文件拼接到一个xml节点中
将整个文件的内容作为Body节点,写入到一个xml文件中。返回新生成的xml文件对象。
1
2
3
4
5
6
|
public File appendText(){ FileExtractor cuter = new FileExtractor(); return cuter.from( "D:\\11.txt" ).to( "D:\\44.xml" ).appendAsFile( "<Document><Body>" , "</Body></Document>" ); } |
4.读取并处理文件中的指定内容
假如有需求:读取11.txt的前三行文字。其中,第一行和第二行不能出现”帅”字,并且在第三行文字后加上字符串“我好帅!”。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
public String extractText(){ FileExtractor cuter = new FileExtractor(); return cuter.from( "D:\\11.txt" ).extractAsString( new EasyProcesser() { @Override public String finalStep(String line, int lineNumber, Status status) { if (lineNumber== 3 ){ status.shouldContinue = false ; //表示不再继续读取文件内容 return line+ "我好帅!" ; } return line.replaceAll( "帅" , "" ); } }); } |
4.简单的文本过滤
将一个文件中所有的“bug”去掉,且返回一个处理后的新文件。
1
2
3
4
5
6
7
8
9
|
public File killBugs(){ FileExtractor cuter = new FileExtractor(); return cuter.from( "D:\\bugs.txt" ).to( "D:\\nobug.txt" ).extractAsFile( new EasyProcesser() { @Override public String finalStep(String line, int lineNumber, Status status) { return line.replaceAll( "bug" , "" ); } }); } |
四 基本流程
通过接口回调的方式,将文件的读取过程和处理过程分离开来;定义了IteratorFile类来负责遍历一个文件,读取文件的内容;分字节、行两种的方式来进行文件内容的遍历。下面的介绍,也会分为读取和处理两个部分单独介绍。
五 文件的读取
定义回调接口
定义一个接口Process,对外暴露了两个文件内容处理方法,一个支持按字节进行读取,一个方法支持按行读取。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
|
public interface Process{ /** * @param b 本次读取的数据 * @param length 本次读取的有效长度 * @param currentIndex 当前读取到的位置 * @param available 读取文件的总长度 * @return true 表示继续读取文件,false表示终止读取文件 * @time 2017年1月22日 下午4:56:41 */ public boolean doWhat( byte [] b, int length, int currentIndex, int available); /** * * @param line 本次读取到的行 * @param currentIndex 行号 * @return true 表示继续读取文件,false表示终止读取文件 * @time 2017年1月22日 下午4:59:03 */ public boolean doWhat(String line, int currentIndex); |
让ItratorFile中本身实现这个接口,但是默认都是返回true,不做任何的处理。如下所示:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
|
public class IteratorFile implements Process { ...... /** * 按照字节来读取遍历文件内容,根据自定义需要重写该方法 */ @Override public boolean doWhat( byte [] b, int length, int currentIndex, int available) { return true ; } /** * 按照行来读取遍历文件内容,根据自定义需要重写该方法 */ @Override public boolean doWhat(String line, int currentIndex) { return true ; } ...... } |
按字节遍历文件内容
实现按照字节的方式来进行文件的遍历(读取)。在这里使用了skip()方法来控制从第几个节点开始读取内容;然后在使用文件流读取的时候,将每次读取到得数据传递给回调接口的方法;需要注意的是,每次读取到得数据是存在一个字节数组bytes里面的,每次读取的长度也是需要传递给回调接口的。我们很容易看出,一旦dowhat()返回false,文件的读取立即就退出了。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
|
public void iterator2Bytes(){ init(); int length = - 1 ; FileInputStream fis = null ; try { file = new File(in); fis = new FileInputStream(file); available = fis.available(); fis.skip(getStart()); readedIndex = getStart(); if (!beforeItrator()) return ; while ((length=fis.read(bytes))!=- 1 ) { readedIndex+=length; if (!doWhat(bytes, length,readedIndex,available)){ break ; } } if (!afterItrator()) return ; } catch (FileNotFoundException e) { e.printStackTrace(); } catch (IOException e) { e.printStackTrace(); } finally { try { fis.close(); } catch (IOException e) { e.printStackTrace(); } } } |
按行来遍历文件内容
常规的文件读取方式,在while循环中,调用了回调接口的方法,并且传递相关的数据。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
|
public void iterator2Line(){ init(); BufferedReader reader = null ; FileReader read = null ; String line = null ; try { file = new File(in); read = new FileReader(file); reader = new BufferedReader(read); if (!beforeItrator()) return ; while ( null != (line=reader.readLine())) { readedIndex++; if (!doWhat(line,readedIndex)){ break ; } } if (!afterItrator()) return ; } catch (FileNotFoundException e) { e.printStackTrace(); } catch (IOException e) { e.printStackTrace(); } finally { try { read.close(); reader.close(); } catch (IOException e) { e.printStackTrace(); } } } |
然后,还需要提供方法来设置要读取的源文件路径。
1
2
3
4
|
public IteratorFile from(String in){ this .in = in; return this ; } |
六 文件内容处理
FileExtractor介绍
定义了FileExtractor类,来封装对文件内容的处理操作;该类会引用到遍历文件所需要的类IteratorFile。
FileExtractor的基本方法
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
|
/** * 往文件头或者文件结尾插入字符串 * @tips 不能对同一个文件输出路径反复执行该方法,否则会出现文本异常,因为用到了RandomAccessFile,如有需要,调用前需手动删除原有的同名文件 * @param startStr 文件开头要插入的字符串 * @param endStr 文件结尾要插入的字符串 * @return 生成的新文件 * @time 2017年1月22日 下午5:05:35 */ public File appendAsFile( final String startStr,String endStr){} /** * 从指定位置截取文件 * @tips 适合所有的文件类型 * @return * @time 2017年1月22日 下午5:06:36 */ public File splitAsFile(){} /** * 文本文件的特殊处理(情景:文本抽取,文本替换等) * @tips 只适合文本文件,对于二进制文件,因为换行符的原因导致文件出现可能无法执行等问题。 * @time 2017年1月22日 下午5:09:14 */ public File extractAsFile(FlowLineProcesser method) { /** * 文本文件的特殊处理(情景:文本抽取,文本替换等) * @tips 只适合文本文件,对于二进制文件,因为换行符的原因导致文件出现可能无法执行等问题。 * @time 2017年1月22日 下午5:09:14 */ public String extractAsString(FlowLineProcesser method) {} /** * 读取指定位置的文件内容为字节数组 * @return * @time 2017年1月23日 上午11:06:18 */ public byte [] readAsBytes(){} |
其中,返回值为File的方法在处理完成后,都出返回一个经过内容后的新文件。
其他方法
同样,设置源文件位置的方法,以及截取位置的相关方法
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
|
/** * 设置源文件 */ public FileExtractor from(String in){ this .in = in; return this ; } /** * 设置生成临时文件的位置(返回值为File的方法均需要设置) */ public FileExtractor to(String out) { this .out = out; return this ; } /** * 文本开始截取的位置(包含此位置),字节相关的方法均需要设置 */ public FileExtractor start( int start){ this .startPos = start; return this ; } /** * 文本截取的终止位置(包含此位置),字节相关方法均需要设置 */ public FileExtractor end( int end) { this .endPos = end; return this ; } |
按字节读取文件时的文件内容处理
有几个重点:
1.因为要根据字节的位置来进行文件截取,所以需要根据字节来遍历文件,所以要重写doWhat()字节遍历的的方法。并在外部构造一个OutPutStream来进行新文件的写出工作。
2.每次遍历读取出的文件内容,都存放在一个字节数组b里面,但并不是b中的数据都是有用的,所以需要传递b有效长度length。
3.readedIndex记录了到本次为止(包括本次)为止,已经读取了多少位数据。
4.按照自己来遍历文件时,如何判断读取到了的终止位置?
当(已读的数据总长度)readedIndex>endPos(终止节点)时,说明本次读取的时候超过了应该终止的位置,此时b数组中有一部分数据就是多读的了,这部分数据是不应该被保存的。我们可以通过计算得到读超了多少位,即length-(readedIndex-endPos-1),那么只要保存这部分数据就可以了。
读取指定片段的文件内容:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
|
//本方法在需要读取的数据多时,不建议使用,因为byte[]是不可变的,多次读取的时候,需要进行多次的byete[] copy过程,效率“感人”。 public byte [] readAsBytes(){ try { checkIn(); } catch (Exception e) { e.printStackTrace(); return null ; } //临时保存字节的容器 final BytesBuffer buffer = new BytesBuffer(); IteratorFile c = new IteratorFile(){ @Override public boolean doWhat( byte [] b, int length, int currentIndex, int available) { if (readedIndex>endPos){ //说明已经读取到了endingPos位置并且读超了 buffer.addBytes(b, 0 , length-(readedIndex-endPos- 1 )- 1 ); return false ; } else { buffer.addBytes(b, 0 , length- 1 ); } return true ; } }; //按照字节进行遍历 c.from(in).start(startPos).iterator2Bytes(); return buffer.toBytes(); } |
当文件很大时,生成一个新的文件的比较靠谱的方法,所以,类似直接返回byte[],在文件读取之前,设置一个outputSteam,在内容循环读取的过程中,将读取的内容写入到一个新文件中去。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
|
public File splitAsFile(){ ...... final OutputStream os = FileUtils.openOut(file); try { IteratorFile itFile = new IteratorFile(){ @Override public boolean doWhat( byte [] b, int length, int readedIndex, int available) { try { if (readedIndex>endPos){ //说明已经读取到了endingPos位置,并且读超了readedIndex-getEnd()-1位 os.write(b, 0 , length-(readedIndex-endPos- 1 )); return false ; //终止读取 } else { os.write(b, 0 , length); } return true ; } catch (IOException e) { e.printStackTrace(); return false ; } } }.from(in).start(startPos); itFile.iterator2Bytes(); } catch (Exception e) { e.printStackTrace(); this .tempFile = null ; } finally { try { os.flush(); os.close(); } catch (IOException e) { e.printStackTrace(); } } return getTempFile(); } |
按行来读取时的文件内容处理
首先,再次声明,按行来遍历文件的时候,只适合文本文件。除非你对每一行的换行符用\r还是\n没有要求。像exe文件,如果用行来遍历的话,你写出为一个新的文件的时候,任意一个的换行符的不对都可能导致一个exe文件变为”unexe”文件!
过程中,我用到了:
一个辅助类Status,来辅助控制遍历的流程。
一个接口FlowLineProcesser,类似于一个处理文本的流水线。
Status和FlowLineProcesser是相互辅助的,Status也能辅助FlowLineProcesse是流水线的具体过程,Status是控制处理过程中怎么处理d的。
我也想了许多次,到底要不要把这个过程搞的这么复杂。但是还是先留着吧…
先看辅助类Status:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
public class Status{ /** * 是否找到了开头,默认false,若true则后续的遍历不会执行相应的firstStep()方法 */ public boolean overFirstStep = false ; /** * 是否找到了结尾,默认false,若true则后续的遍历不会执行相应的finalStep()方法 */ public boolean overFinalStep = false ; /** * 是否继续读取源文件,默认true表示继续读取,false则表示,执行本次操作后,遍历终止 */ public boolean shouldContinue = true ; } |
然后是FlowLineProcesser接口:
FlowLineProcesser是一个接口,类似于一个流水线。定义了两步操作,分别对应两个方法fistStep()和finalStep()。其中两个方法的返回值都是String,firstStep接受到得line是真正从文件中读取到的行,它将line经过自己的处理后,返回处理后的line给finalStep。所以,finalStep中得line其实是firstStep处理后的结果。但是最终真正返回给主处理流程的line,正是finalStep处理后的返回值。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
|
public interface FlowLineProcesser{ /** * * @param line 读取到的行 * @param lineNumber 行号,从1开始 * @param status 控制器 * @return * @time 2017年1月22日 下午5:02:02 */ String firstStep(String line, int lineNumber,Status status); /** * @tips * @param line 读取到的行(是firstStep()处理后的结果) * @param lineNumber 行号,从1开始 * @param status 控制器 * @return * @time 2017年1月22日 下午5:02:09 */ String finalStep(String line, int lineNumber,Status status); } |
现在,可以来看一下如何去实现文本的抽取了:
所有读取的行,都临时存到一个stringbuilder中去。firstStep先进行一次处理,得到返回值后传递给finalStep,再次处理后,将得到的结果保存下来。如果最后的结果是null,则不会保存。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
|
public String extractAsString(FlowLineProcesser method) { try { checkIn(); } catch (Exception e) { e.printStackTrace(); return null ; } final StringBuilder builder = new StringBuilder(); this .mMethod = method; new IteratorFile(){ Status status = new Status(); @Override public boolean doWhat(String line, int currentIndex) { String lineAfterProcess = "" ; if (!status.overFirstStep){ lineAfterProcess = mMethod.firstStep(line, currentIndex,status); } if (!status.shouldContinue){ return false ; } if (!status.overFinalStep){ lineAfterProcess = mMethod.finalStep(lineAfterProcess,currentIndex,status); } if (lineAfterProcess!= null ){ builder.append(lineAfterProcess); builder.append(getLineStr()); //换行符被写死在这里了 } if (!status.shouldContinue){ return false ; } return true ; } }.from(in).iterator2Line(); return builder.toString(); } |
当要抽取的文本太大的时候,可以采用生成新文件的方式。与返回string的流程基本一致。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
|
public File extractAsFile(FlowLineProcesser method) { try { checkIn(); checkOut(); } catch (Exception e) { e.printStackTrace(); return null ; } this .mMethod = method; File file = initOutFile(); if (file== null ){ return null ; } FileWriter fileWriter = null ; try { fileWriter = new FileWriter(file); } catch (Exception e) { e.printStackTrace(); return null ; } final BufferedWriter writer = new BufferedWriter(fileWriter); IteratorFile itfile = new IteratorFile(){ Status status = new Status(); @Override public boolean doWhat(String line, int currentIndex) { String lineAfterProcess = "" ; if (!status.overFirstStep){ lineAfterProcess = mMethod.firstStep(line, currentIndex,status); } if (!status.shouldContinue){ return false ; } if (!status.overFinalStep){ lineAfterProcess = mMethod.finalStep(lineAfterProcess,currentIndex,status); } if (lineAfterProcess!= null ){ try { writer.write(lineAfterProcess); writer.newLine(); //TODO 换行符在此给写死了 } catch (IOException e) { e.printStackTrace(); return false ; } } if (!status.shouldContinue){ return false ; } return true ; } }; itfile.from(in).iterator2Line(); if (writer!= null ){ try { writer.close(); } catch (IOException e) { e.printStackTrace(); } } try { fileWriter.close(); } catch (IOException e) { e.printStackTrace(); } return getTempFile(); } |
好啦,介绍到此就要结束啦,我们下次再聊~
代码包供您下载哦!—>代码包
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持服务器之家。
原文链接:http://blog.csdn.net/sonnyching/article/details/54744023