如何用Java来进行文件切割和简单的内容过滤的实现
一由来
去年由于项目的需求，要将一个任意一个文件制作成一个xml文件，并且需要保持文件内容本身不产生变化，还要能够将这个xml重新还原为原文件。如果小型的文件还好处理，大型的xml,比如几个G的文件，基本上就OOM了，很难直接从节点中提取数据。所以我采用了流的方式。于是有了这个文件的裁剪工具。
二使用场景
本工具可能的使用场景：
1.对任一文件的切割/裁剪。通过字节流的方式，开始节点和终止节点，裁剪出两个节点之间的部分。
2.往任一文件的头/尾拼接指定字符串。可以很容易将一个文件嵌入在某一个节点中。
3.简单的文本抽取。可以根据自己定义的规则，提取出来想要的文本内容，并且允许对提取出来的文本进行再处理（当然，只是进行简单地抽取文字，并不是什么智能的复杂过程的抽取T_T）。
4.文本过滤。根据自己制定的规则，过滤掉指定的文字。
整个工具仅是对Java文件操作api的简单加工，并且也没有使用nio。在需要高效率的文件处理情景下，本工具的使用有待考量。文章目的是为了给出自己的一种解决方案，若有更好的方案，欢迎大家给出适当的建议。
三如何使用
别的先不说，来看看如何使用吧！
1.读取文件指定片段
读取第0~1048个字节之间的内容。
publicvoidreadasbytes(){
FileExtractorcuter=newFileExtractor();
byte[]bytes=cuter.from("D:\\11.txt").start(0).end(1048).readAsBytes();
}
2.文件切割
将第0~1048个字节之间的部分切割为一个新文件。
publicFilesplitAsFile(){
FileExtractorcuter=newFileExtractor();
returncuter.from("D:\\11.txt").to("D:\\22.txt").start(0).end(1048).extractAsFile();
}
3.将文件拼接到一个xml节点中
将整个文件的内容作为Body节点，写入到一个xml文件中。返回新生成的xml文件对象。
publicFileappendText(){
FileExtractorcuter=newFileExtractor();
returncuter.from("D:\\11.txt").to("D:\\44.xml").appendAsFile("<Document><Body>","</Body></Document>");
}
4.读取并处理文件中的指定内容
假如有需求：读取11.txt的前三行文字。其中，第一行和第二行不能出现”帅”字，并且在第三行文字后加上字符串“我好帅！”。
publicStringextractText(){
FileExtractorcuter=newFileExtractor();
returncuter.from("D:\\11.txt").extractAsString(newEasyProcesser(){
@Override
publicStringfinalStep(Stringline,intlineNumber,Statusstatus){
if(lineNumber==3){
status.shouldContinue=false;//表示不再继续读取文件内容
returnline+"我好帅!";
}
returnline.replaceAll("帅","");
}
});
}
4.简单的文本过滤
将一个文件中所有的“bug”去掉，且返回一个处理后的新文件。
publicFilekillBugs(){
FileExtractorcuter=newFileExtractor();
returncuter.from("D:\\bugs.txt").to("D:\\nobug.txt").extractAsFile(newEasyProcesser(){
@Override
publicStringfinalStep(Stringline,intlineNumber,Statusstatus){
returnline.replaceAll("bug","");
}
});
}
四基本流程
通过接口回调的方式，将文件的读取过程和处理过程分离开来；定义了IteratorFile类来负责遍历一个文件，读取文件的内容；分字节、行两种的方式来进行文件内容的遍历。下面的介绍，也会分为读取和处理两个部分单独介绍。
五文件的读取
定义回调接口
定义一个接口Process,对外暴露了两个文件内容处理方法，一个支持按字节进行读取，一个方法支持按行读取。
publicinterfaceProcess{
/**
*@paramb本次读取的数据
*@paramlength本次读取的有效长度
*@paramcurrentIndex当前读取到的位置
*@paramavailable读取文件的总长度
*@returntrue表示继续读取文件，false表示终止读取文件
*@time2017年1月22日下午4:56:41
*/
publicbooleandoWhat(byte[]b,intlength,intcurrentIndex,intavailable);
/**
*
*@paramline本次读取到的行
*@paramcurrentIndex行号
*@returntrue表示继续读取文件，false表示终止读取文件
*@time2017年1月22日下午4:59:03
*/
publicbooleandoWhat(Stringline,intcurrentIndex);
让ItratorFile中本身实现这个接口，但是默认都是返回true,不做任何的处理。如下所示：
publicclassIteratorFileimplementsProcess
{
......
/**
*按照字节来读取遍历文件内容，根据自定义需要重写该方法
*/
@Override
publicbooleandoWhat(byte[]b,intlength,intcurrentIndex,intavailable){
returntrue;
}
/**
*按照行来读取遍历文件内容，根据自定义需要重写该方法
*/
@Override
publicbooleandoWhat(Stringline,intcurrentIndex){
returntrue;
}
......
}
按字节遍历文件内容
实现按照字节的方式来进行文件的遍历（读取）。在这里使用了skip（）方法来控制从第几个节点开始读取内容；然后在使用文件流读取的时候，将每次读取到得数据传递给回调接口的方法；需要注意的是，每次读取到得数据是存在一个字节数组bytes里面的，每次读取的长度也是需要传递给回调接口的。我们很容易看出，一旦dowhat()返回false,文件的读取立即就退出了。
publicvoiditerator2Bytes(){
init();
intlength=-1;
FileInputStreamfis=null;
try{
file=newFile(in);
fis=newFileInputStream(file);
available=fis.available();
fis.skip(getStart());
readedIndex=getStart();
if(!beforeItrator())return;
while((length=fis.read(bytes))!=-1){
readedIndex+=length;
if(!doWhat(bytes,length,readedIndex,available)){
break;
}
}
if(!afterItrator())return;
}catch(FileNotFoundExceptione){
e.printStackTrace();
}catch(IOExceptione){
e.printStackTrace();
}finally{
try{
fis.close();
}catch(IOExceptione){
e.printStackTrace();
}
}
}
按行来遍历文件内容
常规的文件读取方式，在while循环中，调用了回调接口的方法，并且传递相关的数据。
publicvoiditerator2Line(){
init();
BufferedReaderreader=null;
FileReaderread=null;
Stringline=null;
try{
file=newFile(in);
read=newFileReader(file);
reader=newBufferedReader(read);
if(!beforeItrator())return;
while(null!=(line=reader.readLine())){
readedIndex++;
if(!doWhat(line,readedIndex)){
break;
}
}
if(!afterItrator())return;
}catch(FileNotFoundExceptione){
e.printStackTrace();
}catch(IOExceptione){
e.printStackTrace();
}finally{
try{
read.close();
reader.close();
}catch(IOExceptione){
e.printStackTrace();
}
}
}
然后，还需要提供方法来设置要读取的源文件路径。
publicIteratorFilefrom(Stringin){
this.in=in;
returnthis;
}
六文件内容处理
FileExtractor介绍
定义了FileExtractor类，来封装对文件内容的处理操作；该类会引用到遍历文件所需要的类IteratorFile。
FileExtractor的基本方法
/**
*往文件头或者文件结尾插入字符串
*@tips不能对同一个文件输出路径反复执行该方法，否则会出现文本异常，因为用到了RandomAccessFile,如有需要，调用前需手动删除原有的同名文件
*@paramstartStr文件开头要插入的字符串
*@paramendStr文件结尾要插入的字符串
*@return生成的新文件
*@time2017年1月22日下午5:05:35
*/
publicFileappendAsFile(finalStringstartStr,StringendStr){}
/**
*从指定位置截取文件
*@tips适合所有的文件类型
*@return
*@time2017年1月22日下午5:06:36
*/
publicFilesplitAsFile(){}
/**
*文本文件的特殊处理（情景：文本抽取，文本替换等）
*@tips只适合文本文件，对于二进制文件，因为换行符的原因导致文件出现可能无法执行等问题。
*@time2017年1月22日下午5:09:14
*/
publicFileextractAsFile(FlowLineProcessermethod){
/**
*文本文件的特殊处理（情景：文本抽取，文本替换等）
*@tips只适合文本文件，对于二进制文件，因为换行符的原因导致文件出现可能无法执行等问题。
*@time2017年1月22日下午5:09:14
*/
publicStringextractAsString(FlowLineProcessermethod){}
/**
*读取指定位置的文件内容为字节数组
*@return
*@time2017年1月23日上午11:06:18
*/
publicbyte[]readAsBytes(){}
其中，返回值为File的方法在处理完成后，都出返回一个经过内容后的新文件。
其他方法
同样，设置源文件位置的方法，以及截取位置的相关方法
/**
*设置源文件
*/
publicFileExtractorfrom(Stringin){
this.in=in;
returnthis;
}
/**
*设置生成临时文件的位置（返回值为File的方法均需要设置）
*/
publicFileExtractorto(Stringout){
this.out=out;
returnthis;
}
/**
*文本开始截取的位置（包含此位置），字节相关的方法均需要设置
*/
publicFileExtractorstart(intstart){
this.startPos=start;
returnthis;
}
/**
*文本截取的终止位置（包含此位置），字节相关方法均需要设置
*/
publicFileExtractorend(intend){
this.endPos=end;
returnthis;
}
按字节读取文件时的文件内容处理
有几个重点：
1.因为要根据字节的位置来进行文件截取，所以需要根据字节来遍历文件，所以要重写doWhat()字节遍历的的方法。并在外部构造一个OutPutStream来进行新文件的写出工作。
2.每次遍历读取出的文件内容，都存放在一个字节数组b里面，但并不是b中的数据都是有用的，所以需要传递b有效长度length。
3.readedIndex记录了到本次为止（包括本次）为止，已经读取了多少位数据。
4.按照自己来遍历文件时，如何判断读取到了的终止位置？
当（已读的数据总长度）readedIndex>endPos（终止节点）时，说明本次读取的时候超过了应该终止的位置，此时b数组中有一部分数据就是多读的了，这部分数据是不应该被保存的。我们可以通过计算得到读超了多少位，即length-(readedIndex-endPos-1)，那么只要保存这部分数据就可以了。
读取指定片段的文件内容：
//本方法在需要读取的数据多时，不建议使用，因为byte[]是不可变的，多次读取的时候，需要进行多次的byete[]copy过程，效率“感人”。
publicbyte[]readAsBytes(){
try{
checkIn();
}catch(Exceptione){
e.printStackTrace();
returnnull;
}
//临时保存字节的容器
finalBytesBufferbuffer=newBytesBuffer();
IteratorFilec=newIteratorFile(){
@Override
publicbooleandoWhat(byte[]b,intlength,intcurrentIndex,
intavailable){
if(readedIndex>endPos){
//说明已经读取到了endingPos位置并且读超了
buffer.addBytes(b,0,length-(readedIndex-endPos-1)-1);
returnfalse;
}else{
buffer.addBytes(b,0,length-1);
}
returntrue;
}
};
//按照字节进行遍历
c.from(in).start(startPos).iterator2Bytes();
returnbuffer.toBytes();
}
当文件很大时，生成一个新的文件的比较靠谱的方法，所以，类似直接返回byte[]，在文件读取之前，设置一个outputSteam,在内容循环读取的过程中，将读取的内容写入到一个新文件中去。
publicFilesplitAsFile(){
......
finalOutputStreamos=FileUtils.openOut(file);
try{
IteratorFileitFile=newIteratorFile(){
@Override
publicbooleandoWhat(byte[]b,intlength,intreadedIndex,intavailable){
try{
if(readedIndex>endPos){
//说明已经读取到了endingPos位置,并且读超了readedIndex-getEnd()-1位
os.write(b,0,length-(readedIndex-endPos-1));
returnfalse;//终止读取
}else{
os.write(b,0,length);
}
returntrue;
}catch(IOExceptione){
e.printStackTrace();
returnfalse;
}
}
}.from(in).start(startPos);
itFile.iterator2Bytes();
}catch(Exceptione){
e.printStackTrace();
this.tempFile=null;
}finally{
try{
os.flush();
os.close();
}catch(IOExceptione){
e.printStackTrace();
}
}
returngetTempFile();
}
按行来读取时的文件内容处理
首先，再次声明，按行来遍历文件的时候，只适合文本文件。除非你对每一行的换行符用\r还是\n没有要求。像exe文件，如果用行来遍历的话，你写出为一个新的文件的时候，任意一个的换行符的不对都可能导致一个exe文件变为”unexe”文件！
过程中，我用到了：
一个辅助类Status，来辅助控制遍历的流程。
一个接口FlowLineProcesser，类似于一个处理文本的流水线。
Status和FlowLineProcesser是相互辅助的，Status也能辅助FlowLineProcesse是流水线的具体过程，Status是控制处理过程中怎么处理d的。
我也想了许多次，到底要不要把这个过程搞的这么复杂。但是还是先留着吧…
先看辅助类Status:
publicclassStatus{
/**
*是否找到了开头,默认false，若true则后续的遍历不会执行相应的firstStep()方法
*/
publicbooleanoverFirstStep=false;
/**
*是否找到了结尾，默认false,若true则后续的遍历不会执行相应的finalStep()方法
*/
publicbooleanoverFinalStep=false;
/**
*是否继续读取源文件，默认true表示继续读取，false则表示，执行本次操作后，遍历终止
*/
publicbooleanshouldContinue=true;
}
然后是FlowLineProcesser接口：
FlowLineProcesser是一个接口，类似于一个流水线。定义了两步操作，分别对应两个方法fistStep()和finalStep()。其中两个方法的返回值都是String，firstStep接受到得line是真正从文件中读取到的行，它将line经过自己的处理后，返回处理后的line给finalStep。所以，finalStep中得line其实是firstStep处理后的结果。但是最终真正返回给主处理流程的line，正是finalStep处理后的返回值。
publicinterfaceFlowLineProcesser{
/**
*
*@paramline读取到的行
*@paramlineNumber行号,从1开始
*@paramstatus控制器
*@return
*@time2017年1月22日下午5:02:02
*/
StringfirstStep(Stringline,intlineNumber,Statusstatus);
/**
*@tips
*@paramline读取到的行（是firstStep()处理后的结果）
*@paramlineNumber行号,从1开始
*@paramstatus控制器
*@return
*@time2017年1月22日下午5:02:09
*/
StringfinalStep(Stringline,intlineNumber,Statusstatus);
}
现在，可以来看一下如何去实现文本的抽取了：
所有读取的行，都临时存到一个stringbuilder中去。firstStep先进行一次处理，得到返回值后传递给finalStep,再次处理后，将得到的结果保存下来。如果最后的结果是null,则不会保存。
publicStringextractAsString(FlowLineProcessermethod){
try{
checkIn();
}catch(Exceptione){
e.printStackTrace();
returnnull;
}
finalStringBuilderbuilder=newStringBuilder();
this.mMethod=method;
newIteratorFile(){
Statusstatus=newStatus();
@Override
publicbooleandoWhat(Stringline,intcurrentIndex){
StringlineAfterProcess="";
if(!status.overFirstStep){
lineAfterProcess=mMethod.firstStep(line,currentIndex,status);
}
if(!status.shouldContinue){
returnfalse;
}
if(!status.overFinalStep){
lineAfterProcess=mMethod.finalStep(lineAfterProcess,currentIndex,status);
}
if(lineAfterProcess!=null){
builder.append(lineAfterProcess);
builder.append(getLineStr());//换行符被写死在这里了
}
if(!status.shouldContinue){
returnfalse;
}
returntrue;
}
}.from(in).iterator2Line();
returnbuilder.toString();
}
当要抽取的文本太大的时候，可以采用生成新文件的方式。与返回string的流程基本一致。
publicFileextractAsFile(FlowLineProcessermethod){
try{
checkIn();
checkOut();
}catch(Exceptione){
e.printStackTrace();
returnnull;
}
this.mMethod=method;
Filefile=initOutFile();
if(file==null){
returnnull;
}
FileWriterfileWriter=null;
try{
fileWriter=newFileWriter(file);
}catch(Exceptione){
e.printStackTrace();
returnnull;
}
finalBufferedWriterwriter=newBufferedWriter(fileWriter);
IteratorFileitfile=newIteratorFile(){
Statusstatus=newStatus();
@Override
publicbooleandoWhat(Stringline,intcurrentIndex){
StringlineAfterProcess="";
if(!status.overFirstStep){
lineAfterProcess=mMethod.firstStep(line,currentIndex,status);
}
if(!status.shouldContinue){
returnfalse;
}
if(!status.overFinalStep){
lineAfterProcess=mMethod.finalStep(lineAfterProcess,currentIndex,status);
}
if(lineAfterProcess!=null){
try{
writer.write(lineAfterProcess);
writer.newLine();//TODO换行符在此给写死了
}catch(IOExceptione){
e.printStackTrace();
returnfalse;
}
}
if(!status.shouldContinue){
returnfalse;
}
returntrue;
}
};
itfile.from(in).iterator2Line();
if(writer!=null){
try{
writer.close();
}catch(IOExceptione){
e.printStackTrace();
}
}
try{
fileWriter.close();
}catch(IOExceptione){
e.printStackTrace();
}
returngetTempFile();
}
好啦，介绍到此就要结束啦，我们下次再聊~
代码包供您下载哦！—>代码包
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持毛票票。