web-dev-qa-db-ja.com

行を速く数えるには？

私は試しました nxutils 'wc -lが1GBのファイルでクラッシュしました。私はこのC＃コードを試しました

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

return count;

500MBのファイルを4秒で読み取ります

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秒で読み取り

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);
}

7秒かかります

まだ試していないものはありますか？

c#streamreaderwc
30
Jader Dias

最初のアプローチは、すでに最適なソリューションのように見えます。 CPUの制限はほとんどないが、HDの読み取り速度によって制限されていることに注意してください。HDの読み取り速度は500MB/4秒= 125MB /秒で、すでにかなり高速です。それよりも速くなる唯一の方法は、RAIDまたはSSDを使用することです。

12
SirViver

File.ReadLinesは.NET 4.0で導入されました

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

最初のコードスニペットと同じ4秒で動作します

13
Jader Dias

ファイルの行数を効率的にカウントするツールを探しているだけですか？もしそうなら、MS LogParser を試してください

以下のようなものはあなたに行数を与えます：

LogParser "SELECT count(*) FROM file" -i:TEXTLINE
2
manojlds

本当に高速にしたい場合は、Cコードを検討してください。

これがコマンドラインユーティリティの場合は、CLRまたは.NETを初期化する必要がないため、高速になります。また、ファイルから読み取られた各行に新しい文字列を再割り当てしないため、スループットの時間を節約できます。

1g行のファイルがないので比較できません。しかし、試すことができます：

/*
 * 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);
    }
}
2
Cheeso

フレックスを試しましたか？

%{
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;
}

コンパイルするだけです：

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

Stdinの入力を受け入れ、行数を出力します。

1
Spencer Rathbun

あなたの答えはよさそうだと思います。私が追加する唯一のものは、バッファサイズで遊ぶことです。バッファサイズによってはパフォーマンスが変わる場合があると思います。

- 最適なファイルバッファー読み取りサイズ？ でバッファーサイズを参照してください。

1
istudy0