服务器之家

服务器之家 > 正文

如何用Java来进行文件切割和简单的内容过滤的实现

时间:2020-08-02 11:41     来源/作者:sonnyching

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

相关文章

热门资讯

2020微信伤感网名听哭了 让对方看到心疼的伤感网名大全
2020微信伤感网名听哭了 让对方看到心疼的伤感网名大全 2019-12-26
歪歪漫画vip账号共享2020_yy漫画免费账号密码共享
歪歪漫画vip账号共享2020_yy漫画免费账号密码共享 2020-04-07
Intellij idea2020永久破解,亲测可用!!!
Intellij idea2020永久破解,亲测可用!!! 2020-07-29
男生常说24816是什么意思?女生说13579是什么意思?
男生常说24816是什么意思?女生说13579是什么意思? 2019-09-17
沙雕群名称大全2019精选 今年最火的微信群名沙雕有创意
沙雕群名称大全2019精选 今年最火的微信群名沙雕有创意 2019-07-07
返回顶部