java解析.date文件_Java读取和操作上G文本数据

Java读取和操作上G文本数据

标签：#java##文本挖掘##文本预处理#

时间：2016-04-06 21:30:43

作者：十七岁的雨季

#

在处理文本时，经常遇到超过1g存储的数据，直接简单的读取，可能遇到java空间不足的问题，为解决此问题，可将大文本数据按照行进行切分为很多块，并将每一块存储为一个文本

```java

public class BigDataRead {

public static void main(String[] args) throws IOException {

long timer = System.currentTimeMillis();

int bufferSize = 20 * 1024 * 1024;//设读取文件的缓存为20MB

//建立缓冲文本输入流

File file = new File("I:/qianyang/预测数据/user_contentdetection_qianyang");

FileInputStream fileInputStream = new FileInputStream(file);

BufferedInputStream bufferedInputStream = new BufferedInputStream(fileInputStream);

//注意这里有时会乱码，根据自己的文本存储格式，进行调整

InputStreamReader inputStreamReader = new InputStreamReader(bufferedInputStream,"utf-8");

BufferedReader input = new BufferedReader(inputStreamReader, bufferSize);

//要分割的块数减一,这里表示分割为31个文件

int splitNum = 30;

//12046表示我的输入本文的行数，我的文本12046行，由于每行文本较长，所有存储占用较大

int fileLines = 12046;

//分割后存储每个块的行数

long perSplitLines = fileLines / splitNum;

for (int i = 0; i <= splitNum; ++i){

//分割

//每个块建立一个输出

BufferedWriter output = new BufferedWriter( new OutputStreamWriter( new FileOutputStream( new File("I:/qianyang/预测数据/分块/part" + i + ".txt")),"gbk"));

String line = null;

//逐行读取，逐行输出

for (long lineCounter = 0; lineCounter < perSplitLines && (line = input.readLine()) != null; ++lineCounter)

{

output.append(line + "\r");

}

output.flush();

output.close();

output = null;

}

input.close();

timer = System.currentTimeMillis() - timer;

//我的1.6g数据不要1分钟，分割完毕

System.out.println("处理时间：" + timer);

}

}

```