Estoy tratando de leer un archivo dado en NSURL
y cargarlo en una matriz, con elementos separados por un carácter de nueva línea \n
.
Así es como lo he hecho hasta ahora:
var possList: NSString? = NSString.stringWithContentsOfURL(filePath.URL) as? NSString
if var list = possList {
list = list.componentsSeparatedByString("\n") as NSString[]
return list
}
else {
//return empty list
}
No estoy muy contento con esto por un par de razones. Uno, estoy trabajando con archivos que van desde unos pocos kilobytes hasta cientos de MB de tamaño. Como puede imaginar, trabajar con cadenas de este tamaño es lento y difícil de manejar. En segundo lugar, esto congela la interfaz de usuario cuando se está ejecutando, de nuevo, no es bueno.
He buscado ejecutar este código en un hilo separado, pero he tenido problemas con eso y, además, todavía no resuelve el problema de lidiar con cadenas enormes.
Lo que me gustaría hacer es algo similar al siguiente pseudocódigo:
var aStreamReader = new StreamReader(from_file_or_url)
while aStreamReader.hasNextLine == true {
currentline = aStreamReader.nextLine()
list.addItem(currentline)
}
¿Cómo lograría esto en Swift?
Algunas notas sobre los archivos de los que estoy leyendo: Todos los archivos constan de cadenas cortas (<255 caracteres) separadas por \n
o \r\n
. La longitud de los archivos varía desde ~ 100 líneas hasta más de 50 millones de líneas. Pueden contener caracteres europeos y / o caracteres con acentos.
Respuestas:
(El código es para Swift 2.2 / Xcode 7.3 ahora. Las versiones anteriores se pueden encontrar en el historial de edición si alguien lo necesita. Al final se proporciona una versión actualizada para Swift 3).
El siguiente código Swift está muy inspirado en las diversas respuestas a ¿Cómo leer datos de NSFileHandle línea por línea? . Lee el archivo en trozos y convierte líneas completas en cadenas.
El delimitador de línea predeterminado (
\n
), la codificación de cadena (UTF-8) y el tamaño del fragmento (4096) se pueden configurar con parámetros opcionales.class StreamReader { let encoding : UInt let chunkSize : Int var fileHandle : NSFileHandle! let buffer : NSMutableData! let delimData : NSData! var atEof : Bool = false init?(path: String, delimiter: String = "\n", encoding : UInt = NSUTF8StringEncoding, chunkSize : Int = 4096) { self.chunkSize = chunkSize self.encoding = encoding if let fileHandle = NSFileHandle(forReadingAtPath: path), delimData = delimiter.dataUsingEncoding(encoding), buffer = NSMutableData(capacity: chunkSize) { self.fileHandle = fileHandle self.delimData = delimData self.buffer = buffer } else { self.fileHandle = nil self.delimData = nil self.buffer = nil return nil } } deinit { self.close() } /// Return next line, or nil on EOF. func nextLine() -> String? { precondition(fileHandle != nil, "Attempt to read from closed file") if atEof { return nil } // Read data chunks from file until a line delimiter is found: var range = buffer.rangeOfData(delimData, options: [], range: NSMakeRange(0, buffer.length)) while range.location == NSNotFound { let tmpData = fileHandle.readDataOfLength(chunkSize) if tmpData.length == 0 { // EOF or read error. atEof = true if buffer.length > 0 { // Buffer contains last line in file (not terminated by delimiter). let line = NSString(data: buffer, encoding: encoding) buffer.length = 0 return line as String? } // No more lines. return nil } buffer.appendData(tmpData) range = buffer.rangeOfData(delimData, options: [], range: NSMakeRange(0, buffer.length)) } // Convert complete line (excluding the delimiter) to a string: let line = NSString(data: buffer.subdataWithRange(NSMakeRange(0, range.location)), encoding: encoding) // Remove line (and the delimiter) from the buffer: buffer.replaceBytesInRange(NSMakeRange(0, range.location + range.length), withBytes: nil, length: 0) return line as String? } /// Start reading from the beginning of file. func rewind() -> Void { fileHandle.seekToFileOffset(0) buffer.length = 0 atEof = false } /// Close the underlying file. No reading must be done after calling this method. func close() -> Void { fileHandle?.closeFile() fileHandle = nil } }
Uso:
if let aStreamReader = StreamReader(path: "/path/to/file") { defer { aStreamReader.close() } while let line = aStreamReader.nextLine() { print(line) } }
Incluso puede usar el lector con un bucle for-in
for line in aStreamReader { print(line) }
implementando el
SequenceType
protocolo (compare http://robots.thoughtbot.com/swift-sequences ):extension StreamReader : SequenceType { func generate() -> AnyGenerator<String> { return AnyGenerator { return self.nextLine() } } }
Actualización para Swift 3 / Xcode 8 beta 6: También "modernizado" para usar
guard
y el nuevoData
tipo de valor:class StreamReader { let encoding : String.Encoding let chunkSize : Int var fileHandle : FileHandle! let delimData : Data var buffer : Data var atEof : Bool init?(path: String, delimiter: String = "\n", encoding: String.Encoding = .utf8, chunkSize: Int = 4096) { guard let fileHandle = FileHandle(forReadingAtPath: path), let delimData = delimiter.data(using: encoding) else { return nil } self.encoding = encoding self.chunkSize = chunkSize self.fileHandle = fileHandle self.delimData = delimData self.buffer = Data(capacity: chunkSize) self.atEof = false } deinit { self.close() } /// Return next line, or nil on EOF. func nextLine() -> String? { precondition(fileHandle != nil, "Attempt to read from closed file") // Read data chunks from file until a line delimiter is found: while !atEof { if let range = buffer.range(of: delimData) { // Convert complete line (excluding the delimiter) to a string: let line = String(data: buffer.subdata(in: 0..<range.lowerBound), encoding: encoding) // Remove line (and the delimiter) from the buffer: buffer.removeSubrange(0..<range.upperBound) return line } let tmpData = fileHandle.readData(ofLength: chunkSize) if tmpData.count > 0 { buffer.append(tmpData) } else { // EOF or read error. atEof = true if buffer.count > 0 { // Buffer contains last line in file (not terminated by delimiter). let line = String(data: buffer as Data, encoding: encoding) buffer.count = 0 return line } } } return nil } /// Start reading from the beginning of file. func rewind() -> Void { fileHandle.seek(toFileOffset: 0) buffer.count = 0 atEof = false } /// Close the underlying file. No reading must be done after calling this method. func close() -> Void { fileHandle?.closeFile() fileHandle = nil } } extension StreamReader : Sequence { func makeIterator() -> AnyIterator<String> { return AnyIterator { return self.nextLine() } } }
fuente
generate()
función a la clase StreamReader y declararla comoclass StreamReader : Sequence { ... }
. Pero parece ser un buen estilo Swift usar extensiones para funciones separadas.while !aStreamReader.atEof { try autoreleasepool { guard let line = aStreamReader.nextLine() else { return } ...code... } }
Clase eficiente y conveniente para leer archivos de texto línea por línea (Swift 4, Swift 5)
Nota: este código es independiente de la plataforma (macOS, iOS, ubuntu)
import Foundation /// Read text file line by line in efficient way public class LineReader { public let path: String fileprivate let file: UnsafeMutablePointer<FILE>! init?(path: String) { self.path = path file = fopen(path, "r") guard file != nil else { return nil } } public var nextLine: String? { var line:UnsafeMutablePointer<CChar>? = nil var linecap:Int = 0 defer { free(line) } return getline(&line, &linecap, file) > 0 ? String(cString: line!) : nil } deinit { fclose(file) } } extension LineReader: Sequence { public func makeIterator() -> AnyIterator<String> { return AnyIterator<String> { return self.nextLine } } }
Uso:
guard let reader = LineReader(path: "/Path/to/file.txt") else { return; // cannot open file } for line in reader { print(">" + line.trimmingCharacters(in: .whitespacesAndNewlines)) }
Repositorio en github
fuente
Sintaxis segura de Swift 4.2
class LineReader { let path: String init?(path: String) { self.path = path guard let file = fopen(path, "r") else { return nil } self.file = file } deinit { fclose(file) } var nextLine: String? { var line: UnsafeMutablePointer<CChar>? var linecap = 0 defer { free(line) } let status = getline(&line, &linecap, file) guard status > 0, let unwrappedLine = line else { return nil } return String(cString: unwrappedLine) } private let file: UnsafeMutablePointer<FILE> } extension LineReader: Sequence { func makeIterator() -> AnyIterator<String> { return AnyIterator<String> { return self.nextLine } } }
Uso:
guard let reader = LineReader(path: "/Path/to/file.txt") else { return } reader.forEach { line in print(line.trimmingCharacters(in: .whitespacesAndNewlines)) }
fuente
Llego tarde al juego, pero aquí hay una pequeña clase que escribí para ese propósito. Después de algunos intentos diferentes (intentar
NSInputStream
crear una subclase ), encontré que este era un enfoque simple y razonable.Recuerde hacerlo
#import <stdio.h>
en su encabezado puente.// Use is like this: let readLine = ReadLine(somePath) while let line = readLine.readLine() { // do something... } class ReadLine { private var buf = UnsafeMutablePointer<Int8>.alloc(1024) private var n: Int = 1024 let path: String let mode: String = "r" private lazy var filepointer: UnsafeMutablePointer<FILE> = { let csmode = self.mode.withCString { cs in return cs } let cspath = self.path.withCString { cs in return cs } return fopen(cspath, csmode) }() init(path: String) { self.path = path } func readline() -> String? { // unsafe for unknown input if getline(&buf, &n, filepointer) > 0 { return String.fromCString(UnsafePointer<CChar>(buf)) } return nil } deinit { buf.dealloc(n) fclose(filepointer) } }
fuente
withCString
No es necesario crear punteros usando (y en realidad es realmente inseguro), simplemente puede llamarreturn fopen(self.path, self.mode)
. Se podría agregar una marca de verificación si el archivo realmente se pudo abrir, actualmentereadline()
simplemente se bloqueará. ElUnsafePointer<CChar>
yeso no es necesario. Finalmente, su ejemplo de uso no se compila.Esta función toma la URL de un archivo y devuelve una secuencia que devolverá cada línea del archivo, leyéndolos perezosamente. Funciona con Swift 5. Se basa en el subyacente
getline
:typealias LineState = ( // pointer to a C string representing a line linePtr:UnsafeMutablePointer<CChar>?, linecap:Int, filePtr:UnsafeMutablePointer<FILE>? ) /// Returns a sequence which iterates through all lines of the the file at the URL. /// /// - Parameter url: file URL of a file to read /// - Returns: a Sequence which lazily iterates through lines of the file /// /// - warning: the caller of this function **must** iterate through all lines of the file, since aborting iteration midway will leak memory and a file pointer /// - precondition: the file must be UTF8-encoded (which includes, ASCII-encoded) func lines(ofFile url:URL) -> UnfoldSequence<String,LineState> { let initialState:LineState = (linePtr:nil, linecap:0, filePtr:fopen(url.path,"r")) return sequence(state: initialState, next: { (state) -> String? in if getline(&state.linePtr, &state.linecap, state.filePtr) > 0, let theLine = state.linePtr { return String.init(cString:theLine) } else { if let actualLine = state.linePtr { free(actualLine) } fclose(state.filePtr) return nil } }) }
Entonces, por ejemplo, así es como lo usaría para imprimir cada línea de un archivo llamado "foo" en su paquete de aplicaciones:
let url = NSBundle.mainBundle().urlForResource("foo", ofType: nil)! for line in lines(ofFile:url) { // suppress print's automatically inserted line ending, since // lineGenerator captures each line's own new line character. print(line, separator: "", terminator: "") }
Desarrollé esta respuesta modificando la respuesta de Alex Brown para eliminar una fuga de memoria mencionada en el comentario de Martin R, y actualizándola para Swift 5.
fuente
Pruebe esta respuesta o lea la Guía de programación de secuencias de Mac OS .
Sin
stringWithContentsOfURL
embargo, es posible que el rendimiento sea mejor usando el , ya que será más rápido trabajar con datos basados en memoria (o mapeados en memoria) que con datos basados en disco.Ejecutarlo en otro hilo está bien documentado, también, por ejemplo aquí .
Actualizar
Si no quiere leerlo todo a la vez y no quiere usar NSStreams, probablemente tendrá que usar E / S de archivos de nivel C. Hay muchas razones para no hacer esto: bloqueo, codificación de caracteres, manejo de errores de E / S, velocidad, por nombrar solo algunas, para eso están las bibliotecas de Foundation. He esbozado una respuesta simple a continuación que solo trata con datos ACSII:
class StreamReader { var eofReached = false let fileHandle: UnsafePointer<FILE> init (path: String) { self.fileHandle = fopen(path.bridgeToObjectiveC().UTF8String, "rb".bridgeToObjectiveC().UTF8String) } deinit { fclose(self.fileHandle) } func nextLine() -> String { var nextChar: UInt8 = 0 var stringSoFar = "" var eolReached = false while (self.eofReached == false) && (eolReached == false) { if fread(&nextChar, 1, 1, self.fileHandle) == 1 { switch nextChar & 0xFF { case 13, 10 : // CR, LF eolReached = true case 0...127 : // Keep it in ASCII stringSoFar += NSString(bytes:&nextChar, length:1, encoding: NSASCIIStringEncoding) default : stringSoFar += "<\(nextChar)>" } } else { // EOF or error self.eofReached = true } } return stringSoFar } } // OP's original request follows: var aStreamReader = StreamReader(path: "~/Desktop/Test.text".stringByStandardizingPath) while aStreamReader.eofReached == false { // Changed property name for more accurate meaning let currentline = aStreamReader.nextLine() //list.addItem(currentline) println(currentline) }
fuente
case 0...127
a caracteres que no son ASCII?Resulta que la buena API C de la vieja usanza es bastante cómoda en Swift una vez que asimila UnsafePointer. Aquí hay un gato simple que lee de stdin y lo imprime en stdout línea por línea. Ni siquiera necesitas Foundation. Darwin es suficiente:
import Darwin let bufsize = 4096 // let stdin = fdopen(STDIN_FILENO, "r") it is now predefined in Darwin var buf = UnsafePointer<Int8>.alloc(bufsize) while fgets(buf, Int32(bufsize-1), stdin) { print(String.fromCString(CString(buf))) } buf.destroy()
fuente
fgets()
lee caracteres hasta (incluido) un carácter de nueva línea (o EOF). ¿O estoy entendiendo mal tu comentario?O simplemente podría usar un
Generator
:let stdinByLine = GeneratorOf({ () -> String? in var input = UnsafeMutablePointer<Int8>(), lim = 0 return getline(&input, &lim, stdin) > 0 ? String.fromCString(input) : nil })
Vamos a probarlo
for line in stdinByLine { println(">>> \(line)") }
Es simple, lento y fácil de encadenar con otras cosas rápidas como enumeradores y functores como mapear, reducir, filtrar; usando la
lazy()
envoltura.Se generaliza a todos
FILE
como:let byLine = { (file:UnsafeMutablePointer<FILE>) in GeneratorOf({ () -> String? in var input = UnsafeMutablePointer<Int8>(), lim = 0 return getline(&input, &lim, file) > 0 ? String.fromCString(input) : nil }) }
llamado como
for line in byLine(stdin) { ... }
fuente
getline()
asigna un búfer para los datos.(Nota: estoy usando Swift 3.0.1 en Xcode 8.2.1 con macOS Sierra 10.12.3)
Todas las respuestas que he visto aquí pasaron por alto que podría estar buscando LF o CRLF. Si todo va bien, él / ella podría simplemente coincidir en LF y verificar la cadena devuelta para ver si hay un CR adicional al final. Pero la consulta general implica varias cadenas de búsqueda. En otras palabras, el delimitador debe ser a
Set<String>
, donde el conjunto no está vacío ni contiene la cadena vacía, en lugar de una sola cadena.En mi primer intento en este último año, traté de hacer "lo correcto" y buscar un conjunto general de cadenas. Fue demasiado duro; necesita un analizador sintáctico completo y máquinas de estado y demás. Renuncié a él y al proyecto del que formaba parte.
Ahora estoy haciendo el proyecto de nuevo y me enfrento al mismo desafío nuevamente. Ahora voy a realizar búsquedas de código rígido en CR y LF. No creo que nadie necesite buscar dos caracteres semi-independientes y semi-dependientes como este fuera del análisis de CR / LF.
Estoy usando los métodos de búsqueda proporcionados por
Data
, lo que no estoy haciendo codificaciones de cadenas y esas cosas aquí. Solo procesamiento binario sin procesar. Suponga que tengo un superconjunto ASCII, como ISO Latin-1 o UTF-8, aquí. Puede manejar la codificación de cadenas en la siguiente capa superior, y puede decidir si un CR / LF con puntos de código secundarios adjuntos todavía cuenta como CR o LF.El algoritmo: siga buscando el siguiente CR y el siguiente LF de su desplazamiento de bytes actual.
Aquí hay un código para eso:
struct DataInternetLineIterator: IteratorProtocol { /// Descriptor of the location of a line typealias LineLocation = (offset: Int, length: Int, terminatorLength: Int) /// Carriage return. static let cr: UInt8 = 13 /// Carriage return as data. static let crData = Data(repeating: cr, count: 1) /// Line feed. static let lf: UInt8 = 10 /// Line feed as data. static let lfData = Data(repeating: lf, count: 1) /// The data to traverse. let data: Data /// The byte offset to search from for the next line. private var lineStartOffset: Int = 0 /// Initialize with the data to read over. init(data: Data) { self.data = data } mutating func next() -> LineLocation? { guard self.data.count - self.lineStartOffset > 0 else { return nil } let nextCR = self.data.range(of: DataInternetLineIterator.crData, options: [], in: lineStartOffset..<self.data.count)?.lowerBound let nextLF = self.data.range(of: DataInternetLineIterator.lfData, options: [], in: lineStartOffset..<self.data.count)?.lowerBound var location: LineLocation = (self.lineStartOffset, -self.lineStartOffset, 0) let lineEndOffset: Int switch (nextCR, nextLF) { case (nil, nil): lineEndOffset = self.data.count case (nil, let offsetLf): lineEndOffset = offsetLf! location.terminatorLength = 1 case (let offsetCr, nil): lineEndOffset = offsetCr! location.terminatorLength = 1 default: lineEndOffset = min(nextLF!, nextCR!) if nextLF! < nextCR! { location.terminatorLength = 1 } else { switch nextLF! - nextCR! { case 2 where self.data[nextCR! + 1] == DataInternetLineIterator.cr: location.terminatorLength += 1 // CR-CRLF fallthrough case 1: location.terminatorLength += 1 // CRLF fallthrough default: location.terminatorLength += 1 // CR-only } } } self.lineStartOffset = lineEndOffset + location.terminatorLength location.length += self.lineStartOffset return location } }
Por supuesto, si tiene un
Data
bloque de una longitud que es al menos una fracción significativa de un gigabyte, recibirá un golpe siempre que no exista más CR o LF del desplazamiento de bytes actual; siempre buscando infructuosamente hasta el final durante cada iteración. Leer los datos en fragmentos ayudaría:struct DataBlockIterator: IteratorProtocol { /// The data to traverse. let data: Data /// The offset into the data to read the next block from. private(set) var blockOffset = 0 /// The number of bytes remaining. Kept so the last block is the right size if it's short. private(set) var bytesRemaining: Int /// The size of each block (except possibly the last). let blockSize: Int /// Initialize with the data to read over and the chunk size. init(data: Data, blockSize: Int) { precondition(blockSize > 0) self.data = data self.bytesRemaining = data.count self.blockSize = blockSize } mutating func next() -> Data? { guard bytesRemaining > 0 else { return nil } defer { blockOffset += blockSize ; bytesRemaining -= blockSize } return data.subdata(in: blockOffset..<(blockOffset + min(bytesRemaining, blockSize))) } }
Tienes que mezclar estas ideas tú mismo, ya que todavía no lo he hecho. Considerar:
¡Buena suerte!
fuente
Siguiendo la respuesta de @ dankogai , hice algunas modificaciones para Swift 4+,
let bufsize = 4096 let fp = fopen(jsonURL.path, "r"); var buf = UnsafeMutablePointer<Int8>.allocate(capacity: bufsize) while (fgets(buf, Int32(bufsize-1), fp) != nil) { print( String(cString: buf) ) } buf.deallocate()
Esto funcionó para mí.
Gracias
fuente
Quería una versión que no modificara continuamente el búfer ni duplicara el código, ya que ambos son ineficientes y permitirían cualquier tamaño de búfer (incluido 1 byte) y cualquier delimitador. Tiene un método público:
readline()
. Llamar a este método devolverá el valor de cadena de la siguiente línea o nulo en EOF.import Foundation // LineStream(): path: String, [buffSize: Int], [delim: String] -> nil | String // ============= -------------------------------------------------------------- // path: the path to a text file to be parsed // buffSize: an optional buffer size, (1...); default is 4096 // delim: an optional delimiter String; default is "\n" // *************************************************************************** class LineStream { let path: String let handle: NSFileHandle! let delim: NSData! let encoding: NSStringEncoding var buffer = NSData() var buffSize: Int var buffIndex = 0 var buffEndIndex = 0 init?(path: String, buffSize: Int = 4096, delim: String = "\n", encoding: NSStringEncoding = NSUTF8StringEncoding) { self.handle = NSFileHandle(forReadingAtPath: path) self.path = path self.buffSize = buffSize < 1 ? 1 : buffSize self.encoding = encoding self.delim = delim.dataUsingEncoding(encoding) if handle == nil || self.delim == nil { print("ERROR initializing LineStream") /* TODO use STDERR */ return nil } } // PRIVATE // fillBuffer(): _ -> Int [0...buffSize] // ============= -------- .............. // Fill the buffer with new data; return with the buffer size, or zero // upon reaching end-of-file // ********************************************************************* private func fillBuffer() -> Int { buffer = handle.readDataOfLength(buffSize) buffIndex = 0 buffEndIndex = buffer.length return buffEndIndex } // PRIVATE // delimLocation(): _ -> Int? nil | [1...buffSize] // ================ --------- .................... // Search the remaining buffer for a delimiter; return with the location // of a delimiter in the buffer, or nil if one is not found. // *********************************************************************** private func delimLocation() -> Int? { let searchRange = NSMakeRange(buffIndex, buffEndIndex - buffIndex) let rangeToDelim = buffer.rangeOfData(delim, options: [], range: searchRange) return rangeToDelim.location == NSNotFound ? nil : rangeToDelim.location } // PRIVATE // dataStrValue(): NSData -> String ("" | String) // =============== ---------------- ............. // Attempt to convert data into a String value using the supplied encoding; // return the String value or empty string if the conversion fails. // *********************************************************************** private func dataStrValue(data: NSData) -> String? { if let strVal = NSString(data: data, encoding: encoding) as? String { return strVal } else { return "" } } // PUBLIC // readLine(): _ -> String? nil | String // =========== ____________ ............ // Read the next line of the file, i.e., up to the next delimiter or end-of- // file, whichever occurs first; return the String value of the data found, // or nil upon reaching end-of-file. // ************************************************************************* func readLine() -> String? { guard let line = NSMutableData(capacity: buffSize) else { print("ERROR setting line") exit(EXIT_FAILURE) } // Loop until a delimiter is found, or end-of-file is reached var delimFound = false while !delimFound { // buffIndex will equal buffEndIndex in three situations, resulting // in a (re)filling of the buffer: // 1. Upon the initial call; // 2. If a search for a delimiter has failed // 3. If a delimiter is found at the end of the buffer if buffIndex == buffEndIndex { if fillBuffer() == 0 { return nil } } var lengthToDelim: Int let startIndex = buffIndex // Find a length of data to place into the line buffer to be // returned; reset buffIndex if let delim = delimLocation() { // SOME VALUE when a delimiter is found; append that amount of // data onto the line buffer,and then return the line buffer delimFound = true lengthToDelim = delim - buffIndex buffIndex = delim + 1 // will trigger a refill if at the end // of the buffer on the next call, but // first the line will be returned } else { // NIL if no delimiter left in the buffer; append the rest of // the buffer onto the line buffer, refill the buffer, and // continue looking lengthToDelim = buffEndIndex - buffIndex buffIndex = buffEndIndex // will trigger a refill of buffer // on the next loop } line.appendData(buffer.subdataWithRange( NSMakeRange(startIndex, lengthToDelim))) } return dataStrValue(line) } }
Se llama de la siguiente manera:
guard let myStream = LineStream(path: "/path/to/file.txt") else { exit(EXIT_FAILURE) } while let s = myStream.readLine() { print(s) }
fuente