高效读取 3MB 文本文件，包括解析

Efficient read of a 3MB text file incl. parsing

本文关键字：包括解 文件 文本 读取 3MB 高效      更新时间：2023-10-16

我有几个~3MB的文本文件，我需要在C++中解析。

文本文件如下所示(1024x786(：

12,23   45,78   90,12   34,56   78,90   ...
12,23   45,78   90,12   34,56   78,90   ...
12,23   45,78   90,12   34,56   78,90   ...
12,23   45,78   90,12   34,56   78,90   ...
12,23   45,78   90,12   34,56   78,90   ...

表示用Tab分隔的"数字块"，数字本身包含,(而不是.(小数点标记。

首先，我需要读取文件。目前我正在使用这个：

#include <boost/tokenizer.hpp>
string line;
ifstream myfile(file);
if (myfile.is_open())
{
char_separator<char> sep("t");
tokenizer<char_separator<char>> tokens(line, sep); 
}
myfile.close();

这在为我提供"数字块"方面效果很好，但我仍然需要将此char转换为浮点数，但将,作为小数标记处理。由于文件大小，我认为tokenize这个也不是一个好主意。此外，我需要将所有这些值添加到数据结构中，之后我可以按位置访问该结构(例如[x][y](。任何想法如何实现这一目标？

您可以使用Boost.Spirit来解析文件的内容，作为最终结果，您可以从解析器中获得您喜欢的结构数据，例如，std::vector<std::vector<float>>。IMO，您的常见文件大小不大。我认为最好将整个文件读取到内存中并执行解析器。读取文件的有效解决方案如下所示read_file.

qi::float_分析长度和大小受float类型限制的实数，并使用.(点(作为分隔符。您可以通过qi::real_policies<T>::parse_dot自定义分隔符。下面我使用的是来自spirit/example/qi/german_floating_point.cpp的代码片段。

看看这个演示：

#include <boost/spirit/include/qi.hpp>
#include <fstream>
#include <iostream>
#include <string>
#include <vector>
std::string read_file(std::string path)
{
std::string str;
std::ifstream file( path, std::ios::ate);
if (!file) return str;
auto size(file.tellg());
str.resize(size);
file.seekg(0, std::ios::beg);
file.rdbuf()->sgetn(&str[0], size);
return str;
}
using namespace boost::spirit;
//From Boost.Spirit example `qi/german_floating_point.cpp`
//Begin
template <typename T>
struct german_real_policies : qi::real_policies<T>
{
template <typename Iterator>
static bool parse_dot(Iterator& first, Iterator const& last)
{
if (first == last || *first != ',')
return false;
++first;
return true;
}
};
qi::real_parser<float, german_real_policies<float> > const german_float;
//End
int main()
{
std::string in(read_file("input"));
std::vector<std::vector<float>> out;
auto ret = qi::phrase_parse(in.begin(), in.end(),
+(+(german_float - qi::eol) >> qi::eol),
boost::spirit::ascii::blank_type{},
out);
if(ret && in.begin() == in.end())
std::cout << "Success" << std::endl;
}

我会直接做什么(根本不需要boost::tokenizer(：

std::setlocale(LC_NUMERIC, "de_DE"); // Use ',' as decimal point
std::vector<std::vector<double>> dblmat;
std::string line;
while(std::getline(myfile,line)) {
dblmat.push_back(std::vector<double>());
std::istringstream iss(line);
double val;
while(iss >> val) {
dblmat.back().push_back(val);
} 
}
相关文章：