30

我尝试了 unxutils 'wc -l但它因 1GB 文件而崩溃。我试过这个 C# 代码

long count = 0;
using (StreamReader r = new StreamReader(f))
{
    string line;
    while ((line = r.ReadLine()) != null)
    {
        count++;
    }
}

return count;

它在 4 秒内读取一个 500MB 的文件

var size = 256;
var bytes = new byte[size];
var count = 0;
byte query = Convert.ToByte('\n');
using (var stream = File.OpenRead(file))
{
    int many;
    do
    {
        many = stream.Read(bytes, 0, size);
        count += bytes.Where(a => a == query).Count();                    
    } while (many == size);
}

10 秒内读取

var count = 0;
int query = (int)Convert.ToByte('\n');
using (var stream = File.OpenRead(file))
{
    int current;
    do
    {
        current = stream.ReadByte();
        if (current == query)
        {
            count++;
            continue;
        }
    } while (current!= -1);
}

耗时 7 秒

我还没有尝试过更快的方法吗？

4

6 回答 6

14

File.ReadLines在 .NET 4.0 中引入

var count = File.ReadLines(file).Count();

在 4 秒内工作，与第一个代码段相同

于 2011-05-23T18:45:29.837 回答
12

您的第一种方法确实看起来已经是最佳解决方案。请记住，您主要不受 CPU 限制，而是受到 HD 读取速度的限制，500MB / 4sec = 125MB/s 已经相当快了。获得比这更快的唯一方法是通过 RAID 或使用 SSD，而不是通过更好的算法。

于 2011-05-23T18:46:33.633 回答
2

您是否只是在寻找一种工具来高效地计算文件中的行数？如果是这样，请尝试 MS LogParser

像下面这样的东西会给你行数：

LogParser "SELECT count(*) FROM file" -i:TEXTLINE
于 2011-05-23T18:49:18.750 回答
2

如果您真的想要快速，请考虑 C 代码。

如果这是一个命令行实用程序，它会更快，因为它不必初始化 CLR 或 .NET。而且，它不会为从文件中读取的每一行重新分配一个新字符串，这可能会节省吞吐量时间。

我没有任何 1g 行的文件，所以我无法比较。不过，您可以尝试： 

/*
 * LineCount.c
 *
 * count lines...
 *
 * compile with: 
 *
 *  c:\vc10\bin\cl.exe /O2 -Ic:\vc10\Include -I\winsdk\Include 
 *          LineCount.c -link /debug /SUBSYSTEM:CONSOLE /LIBPATH:c:\vc10\Lib
 *          /LIBPATH:\winsdk\Lib /out:LineCount.exe
 */

#include <stdio.h>
#include <string.h>
#include <stdlib.h>


void Usage(char *appname)
{
    printf("\nLineCount.exe\n");
    printf("  count lines in a text file...\n\n");
    printf("usage:\n");
    printf("  %s <filename>\n\n", appname);
}



int linecnt(char *file)
{
    int sz = 2048;
    char *buf = (char *) malloc(sz);
    FILE *fp = NULL;
    int n= 0;
    errno_t rc = fopen_s(&fp, file, "r");

    if (rc) {
        fprintf(stderr, "%s: fopen(%s) failed: ecode(%d)\n",
                __FILE__, file, rc);
        return -1;
    }

    while (fgets(buf, sz, fp)){
        int r = strlen(buf);
        if (buf[r-1] == '\n')
            n++;
        // could re-alloc here to handle larger lines
    }
    fclose(fp);
    return n;
}

int main(int argc, char **argv)
{
    if (argc==2) {
        int n = linecnt (argv[1]);
        printf("Lines: %d\n", n);
    }
    else {
        Usage(argv[0]);
        exit(1);
    }
}
于 2011-05-23T18:57:55.327 回答
1

我认为你的答案看起来不错。我唯一要添加的是使用缓冲区大小。我觉得它可能会根据您的缓冲区大小改变性能。

请参阅缓冲区大小 -最佳文件缓冲区读取大小？

于 2011-05-23T18:43:09.920 回答
1

你试过弹性吗？

%{
long num_lines = 0;
%}
%option 8bit outfile="scanner.c"
%option nounput nomain noyywrap
%option warn

%%
.+ { }
\n { ++num_lines; }
%%
int main(int argc, char **argv);

int main (argc,argv)
int argc;
char **argv;
{
yylex();
printf( "# of lines = %d\n", num_lines );
return 0;
}

只需编译：

flex -Cf scanner.l 
gcc -O -o lineCount.exe scanner.c

它接受标准输入上的输入并输出行数。

于 2011-05-23T18:58:21.930 回答