如何通过 CSVParser 处理大文件？答案

【问题标题】：How can I process a large file via CSVParser?如何通过 CSVParser 处理大文件？
【发布时间】：2015-11-14 10:24:10
【问题描述】：

我有一个大的.csv 文件（大约300 MB），它是从远程主机读取的，并解析为目标文件，但我不需要将所有行都复制到目标文件中。复制时，我需要从源中读取每一行，如果它传递了一些谓词，则将该行添加到目标文件中。

我想 Apache CSV (apache.commons.csv) 只能解析整个文件

CSVFormat csvFileFormat = CSVFormat.EXCEL.withHeader();
CSVParser csvFileParser = new CSVParser("filePath", csvFileFormat);
List<CSVRecord> csvRecords = csvFileParser.getRecords();

所以我不能使用BufferedReader。根据我的代码，应该为每一行创建一个new CSVParser() 实例，看起来效率很低。

在上述情况下，如何解析单行（表头已知）？

【问题讨论】：

标签： java csv filtering large-files apache-commons-csv

【解决方案1】：

无论您做什么，文件中的所有数据都将传输到您的本地计算机，因为您的系统需要对其进行解析以确定有效性。无论文件是通过解析器读取的文件到达的（因此您可以解析每一行），还是只是为了解析目的而复制整个文件，它都将转移到本地。您需要获取本地数据，然后修剪多余的数据。

调用csvFileParser.getRecords() 已经是一场失败的战斗，因为the documentation 解释说该方法将文件的每一行加载到内存中。要在保留活动内存的同时解析记录，您应该迭代每条记录；该文档暗示以下代码一次将一条记录加载到内存中：

CSVParser csvFileParser = CSVParser.parse(new File("filePath"), StandardCharsets.UTF_8, csvFileFormat);

for (CSVRecord csvRecord : csvFileParser) {
     ... // qualify the csvRecord; output qualified row to new file and flush as needed.
}

由于您解释"filePath"不是本地的，所以上述解决方案很容易因为连接问题而失败。为了消除连接问题，我建议您将整个远程文件复制到本地，通过比较校验和确保文件准确复制，解析本地副本以创建目标文件，然后在完成后删除本地副本。

【讨论】：

【解决方案2】：

这是一个较晚的响应，但您可以将 BufferedReader 与 CSVParser 一起使用：

try (BufferedReader reader = new BufferedReader(new FileReader(fileName), 1048576 * 10)) {
    Iterable<CSVRecord> records = CSVFormat.RFC4180.parse(reader);
    for (CSVRecord line: records) {
        // Process each line here
    }
catch (...) { // handle exceptions from your bufferedreader here

【讨论】：