一道文本处理题目的思考

 在网上碰到有网友问了这么一道题,题目是这样的:
 
java 写入txt文件,想要修改txt文件每一行的第一个数字,加1;
例如txt文件是:
1     1     5
2     2     10
3     3     15
 
转变成:
2     1     5
3     2     10
4     3     15
 
看到题目的第一反应时可能需要正则表达式,而在java中使用raplaceAll("正则表达式","替换后的表达式")基本上就可以搞定了。但是有一个问题:正则匹配很好写,reg = "^\\d+";就可以匹配每行的第一个数字了,但是替换成什么呢?需要对每个数字加1,这个怎么处理?使用捕获组可以获取我们需要处理的数据,但是捕获后,无法进一步处理数据了。此条路不通之后,很不情愿的想起另外一种办法:按行处理。
 
扫描需要处理的文本,每扫描一行,就对该行进行匹配,匹配到数据之后,对该行处理,然后将该行写入到新的文件,整个文本扫描完成之后,数据也就处理完了。这个办法是不是很笨拙?对于目前也没有更好的方式(更好的方式也许可以使用excel来处理,但是要求使用编程来完成),就开始代码实现了:
 
// code version 1.0
 
开始写代码时,发现数据之间都是以多个空格或者tab来分割,方便期间,使用split函数来处理吧。
 
     // java 解析文本,将每行第一个数字加1
     public static void writeFile() {
           BufferedReader reader = null;
           BufferedWriter writer = null;
            try{
                File file = new File( "new.txt");
                 if(!file.exists()) {
                     file.createNewFile();
                }
                StringBuffer sb = new StringBuffer();
                reader = new BufferedReader( new FileReader("test.txt"));
                String line = null;
                 //按行读取
                 while((line = reader.readLine()) != null) {
                     String[] arr = line.split( "[ \t]++");
                      if(arr. length < 3) {
                           sb.append(line).append( "\r\n");
                            continue;
                     }
                      //获取第一个数字,并加1
                      int num = Integer. valueOf(arr[0]);
                     num ++;
                     sb.append(num).append( "\t").append(arr[1]).append( "\t").append(arr[2]).append( "\r\n");
                }
                
                 //写入新的文件
                writer = new BufferedWriter( new FileWriter(file));
                writer.write(sb.toString());
                
           } catch (IOException e) {
                e.printStackTrace();
           } finally {
                 if(reader != null) {
                      try {
                           reader.close();
                     } catch (IOException e) {
                            // TODO Auto-generated catch block
                           e.printStackTrace();
                     }
                }
                 if(writer != null) {
                      try {
                           writer.close();
                     } catch (IOException e) {
                            // TODO Auto-generated catch block
                           e.printStackTrace();
                     }
                }
           }
           
     }
 
代码写起来还是很顺利的,但是有个问题,在数据处理完成之后:
int num = Integer.valueOf(arr[0]);
num ++;
怎么把新的内容写入到当前行中,也就是写入当前的文本中?处理数据的时候是通过reader来按行读取,如果需要将数据写入的话,需要writer,在读取文件的时候,直接使用writer写入数据,也不是件很容易的事。为了方便处理,果断建立一个新的文件,写入新的数据,处理完之后,删掉旧的文件就是!
 
代码实现之后,就跟一个朋友商讨了下,朋友说,可以使用正则来完成,split的效率有点低。OK,把主要的处理过程重新实现了下:
// code version 1.1
            Pattern pattern = Pattern. compile("^\\d+" );
            while(...) {
               Matcher matcher = pattern .matcher(line);
               if(matcher.find()) {
                     String str = matcher.group();
                     int n = Integer.parseInt(str);
                     n ++;
                     line = line.replaceFirst(str, String.valueOf(n));
                     sb.append(line).append( "\r\n");
               }
            }     
 
除了将split修改为Pattern之后,同时,行数据也保持原来的风格保持了不变:
line = line.replaceFirst(str, String.valueOf(n));
 
但是为什么Pattern会比split的效率高呢?
split的实现中,会调用Pattern.compile("...");也就是在对文本每行的处理中,如果使用split,则每次都会新建一个Pattern.compile("...")对象。而在使用Pattern类,只在最开始生成一个Pattern.compile("...")对象,减少了内存的开销;
 
 
一个前辈说,不需要正则,使用indexOf和substring可以提高效率。同时,他建议不要使用BufferedWriter,应当使用printStream。
恩,开始修改代码:
 
// code version 1.2
 
      public static void writeFile() throws IOException {
                BufferedReader reader = null;
                PrintStream writer = null;
            
                File file = new File( "new.txt");
                 if(!file.exists()) {
                     file.createNewFile();
                }
                writer = new PrintStream( new FileOutputStream(file));
                reader = new BufferedReader( new FileReader("test.txt" ));
                String line = null;
                 //按行读取
                 while((line = reader.readLine()) != null) {
                      //这里通过index来确定需要处理的数据
                      int index = line.indexOf( " ");
                      if(index == -1) {
                            continue;
                      }
                      int num = Integer.parseInt(line.substring(0,index))+1;
                      line = num + line.substring(index);
                      writer.println(line);
                }
               // ....
           
     }
 
使用indexOf和substring 替换掉正则之后,逻辑似乎也清晰了许多,由于去掉了正则表达式的一些处理,直接对字符串处理,效率上应该会有一些提高。但是使用PrintStream 替换掉BufferedWriter是不是就是个好主意?不见得,BufferedWriter作为一个具有缓冲功能的包装类,性能上比其他类要高很多。而且在处理文本时,每处理一行,就向文件中写入数据,这个性能也不见得很高。权衡之际,提高处理数据效率,使用indexOf和substring,写文件时,采用BufferedWriter将数据写入缓冲,提高效率。
 
// code version 1.3
 
      public static void writeFile() throws IOException {
                BufferedReader reader = null;
                BufferedWriter writer = null;
            
                writer = new BufferedWriter( new FileWriter("new.txt" ));
                reader = new BufferedReader( new FileReader("test.txt" ));
                String line = null;
                 //按行读取
                 while((line = reader.readLine()) != null) {
                      //这里通过index来确定需要处理的数据
                     int index = line.indexOf( " ");
                     if(index == -1) {
                            continue;
                     }
                     int num = Integer.parseInt(line.substring(0,index))+1;
                     line = num + line.substring(index);
                     writer.write(line);
                     writer.newLine();
                }
                
               //...
     }
 
到此,关于该题目的编码总算尘埃落定。期间,经历了几番波折,从split->Pattern->indexOf再到流的选取,纠结了较长时间。总结一下:
 
1、尽量不要使用正则表达式,可以使用indexOf和substring来代替正则;必须使用正则的情况下,使用Pattern类能够提高效率。
2、使用Buffer之类的包装类,可以提高效率。
 
但是,还是有几个问题留作以后慢慢考虑吧。
1、直接使用正则或者是否还有其他更简单的处理方式么?
2、如何直接写入到当前的文件中?
 
posted @ 2014-03-02 20:23  一宁  阅读(806)  评论(0编辑  收藏  举报