如何使用java.util.stream处理文件的chunck

Question

为了熟悉stream api，我试图编写一个非常简单的模式。

问题：文本文件不包含嵌套的文本块。所有块由开始/结束模式（例如，）标识

我只是能够实现一些丑陋的东西，比如：
Files.lines（path）。收集（新的MySequentialParseAndProsessEachLineCollector

我在寻找一个类似的映射:< br> Files.lines(路径)。map(MyMapAllLinesOfBlockToBuckets())。parallelStream()。收集(新的MyProcessOneBucketCollector

有没有一种从java 8流中提取数据块的好方法似乎包含解决方案的骨架。不幸的是，我要顽固地把它翻译成我的问题。;-)

有什么提示吗？




Answer 1

这是一个可用于转换流的解决方案

public class ChunkSpliterator implements Spliterator<List<String>> {
    private final Spliterator<String> source;
    private final Predicate<String> start, end;
    private final Consumer<String> getChunk;
    private List<String> current;

    ChunkSpliterator(Spliterator<String> lineSpliterator,
        Predicate<String> chunkStart, Predicate<String> chunkEnd) {
        source=lineSpliterator;
        start=chunkStart;
        end=chunkEnd;
        getChunk=s -> {
            if(current!=null) current.add(s);
            else if(start.test(s)) current=new ArrayList<>();
        };
    }
    public boolean tryAdvance(Consumer<? super List<String>> action) {
        while(current==null || current.isEmpty()
                            || !end.test(current.get(current.size()-1)))
            if(!source.tryAdvance(getChunk)) return false;
        current.remove(current.size()-1);
        action.accept(current);
        current=null;
        return true;
    }
    public Spliterator<List<String>> trySplit() {
        return null;
    }
    public long estimateSize() {
        return Long.MAX_VALUE;
    }
    public int characteristics() {
        return ORDERED|NONNULL;
    }

    public static Stream<List<String>> toChunks(Stream<String> lines,
        Predicate<String> chunkStart, Predicate<String> chunkEnd,
        boolean parallel) {

        return StreamSupport.stream(
            new ChunkSpliterator(lines.spliterator(), chunkStart, chunkEnd),
            parallel);
    }
}

匹配谓词的行不包括在块中；如果需要，很容易改变这种行为。

它可以这样使用：

ChunkSpliterator.toChunks( Files.lines(Paths.get(myFile)),
    Pattern.compile("^<start>$").asPredicate(),
    Pattern.compile("^<stop>$").asPredicate(),
    true )
   .collect(new MyProcessOneBucketCollector<>())

模式指定为 ^word$，以要求整行仅由单词组成;如果没有这些锚点，包含模式的线可以开始和结束一个块。源流的性质在创建块时不允许并行性，因此当使用即时收集操作进行链接时，整个操作的并行性相当有限。这取决于MyProcessOneBucketCollector是否可以有任何并行性。

如果您的最终结果不依赖于源文件中存储桶的出现顺序，则强烈建议您的收集器将自己报告为UNORDERED，或者在流的方法链中插入一个unorder（）在收集之前。