最佳做法定义的文件的结构

Question

目前，我很好奇如何在其他程序员组织的数据纳入文件。任何人都可以推荐任何好文章或书的最佳做法，用于创建文件的结构？

例如，如果已经创建了自己的软件，不管出于什么目的，你离开保存的数据为纯文本，它序列化、编码，以xml，和你为什么这么做？

是否有任何秘密我错过了什么？

Answer 1

一般来说，至少在开始时，尽可能使用最简单的东西。例如，考虑UNIX，其中大多数配置文件只是以空格分隔的字段，或者是用另一个字符分隔的字段（例如/ etc / passwd，它使用＆quot;：“分隔符，因为GCOS字段可以包含空格。）

如果您的数据需要更多结构，那么问问自己“我可以轻松使用哪些工具？”例如，Python和Ruby有JSON和YAML。

如果您已经拥有大量基于XML的东西，那么XML基本上是有用的，或者您希望将XML转换为浏览器中的可显示形式。否则，它通常是非常重量级的（代码大小，复杂性），你可以从中得到它。

Answer 2

无论哪种格式，你选择的记忆储存某些种类的版本号内的(我敢肯定，你就必须引入一些改变)。

格式在很大程度上取决于应用程序和数量的数据。对于某些应用XML是适当的，对于其他应用固定的尺寸的结构存在的二进制文件都是很好的。

我用的许多不同的格式，根据不同情况，例如：

• 纯文本文件(分隔)用于储存数据集，用于Matlab和R分析
• 二进制文件，用于储存固定的尺寸结构(动态型的随机访问得到的困难没有保持独立的阵列的偏移量元素)。一个肯定你有的性能和空间效率(为什么大多数的数据库存储的数据在二元格式？), 但它不是非常好的人类的工作。记住的endianess.
• XML的通常用于配置的数据，或数据，我想要给其他用户应用程序(随着划).另一边可以写很好的XSLT transformation或消耗的数据在其他方式(当然他们可以做同样的纯文本或二进制数据的格式介绍)

Answer 3

除非您有独特的要求，否则请使用已有成熟库的内容，这样您就可以避免编写自己的解析代码。这意味着XML / JSON等，就像人们所说的那样。

另一个不错的是Google的协议缓冲区（ http://code.google.com/p/ protobuf的）。在那里，您编写了一个公共消息定义，协议缓冲区编译器生成了用于为您填写，序列化和反序列化数据的对象。通常格式是二进制的，但您也可以使用它们的TextFormat类来编写类似JSON的纯文本。关于protobufs的好处是为您生成版本控制代码。在文件格式的第2版中，您所要做的就是将字段添加到.proto定义文件中。新版本可以读取旧文件格式，只是将新字段留空。这并不是protobufs的设计目标，但是它们为自定义消息提供了一种简单，高效的二进制文件格式，并为您生成了代码。

另见Facebook的 Thrift ，现在位于Apache孵化器中。

Answer 4

随着岁月的流逝，我发现自己越来越喜欢文字了，除非它完全没有问题。现在CPU足够快，我们可以足够快地解码它。

显然，当你不得不频繁更新大文件中的一小部分信息时，这不是一个选择 - 但很可能描述了一个数据库。

此时需要一个不寻常的情况才能让我选择其中一个以外的其他选项。

Answer 5

+1的XML。有一点开销，但易于解析，读取和调试。如果您使用的是架构，则可以是严格的。使用XSLT轻松转换，非常便携（有线或只是在pendrive中:)

Answer 6

这真的取决于具体情况。你会需要考虑的选项，对解答的各种问题：

• 有多少数据做你需要的商店？你需要优化用于表示紧凑型?
• 是的性能读写的关键?你需要优化用于磁盘的访问和低影响的电子监管和deserialisation?
• 你需要随机访问内的文件？你需要优化结构寻求内的数据？
• 是这个数据会被用于不同的系统，可能有不同的字符编码?你需要优化用于携带?

数据的性质本身会产生影响。它是一个平面列出的结构？这是一棵树?它是一个循环图？是的记录固定的或可变宽?

一旦这些问题的答案是知道，你可以选择当中你选项，保持尽可能简单。经常流行的选择(XML，CSV，其)会适合你的目的。如果不，那么你就会有开发自己的格式和自己的写作和阅读程序。

Answer 7

有这么多的可能性，但最切实具有可以XML

• 有体面的XML图书馆的几乎每一个发展平台
• 大多数平台允许对象图，电子监管与一对夫妇的代码行的，所以XML是无痛的实施
• 大多数的平台具有在存和/或流的阅读器，因此，可以处理真正大的文件没有太多的存储器的使用
• 大多数平台提供XSLT tranformer，所以可移动文件，从一种格式到另一个，甚至从XML到非XML
• 有索引的扩展XML处理真正的文件太大
• XML文件的验证的格式，然后再尝试去读它
• XML是能够代表任何简单或复杂的对象
• 如果你担心文件的大小，只有拉链的最终XML。这种技术用于在微软办公室等
• XML仍然是人类可读
• XML是一个共同的标准