Ruby：文件行的长度（以字节为单位）？

StackOverflow https://stackoverflow.com/questions/628096

  •  06-07-2019
  •  | 
  •  

题

我正在编写这个小小的HelloWorld，作为这个的后续内容，但这些数字并没有加起来

filename = "testThis.txt"
total_bytes = 0
file = File.new(filename, "r")
file.each do |line|
  total_bytes += line.unpack("U*").length
end
puts "original size #{File.size(filename)}"
puts "Total bytes #{total_bytes}"

结果与文件大小不同。我想我只需要知道我需要插入的 format ...或者我可能完全错过了这一点。 如何逐行测量文件大小？

注意：我在Windows上，文件编码为ANSI。

修改：这会产生相同的结果！

filename = "testThis.txt"
total_bytes = 0
file = File.new(filename, "r")
file.each_byte do |whatever|
  total_bytes += 1
end
puts "Original size #{File.size(filename)}"
puts "Total bytes #{total_bytes}"

所以现在可以提供帮助的人......

有帮助吗？

解决方案

IO＃的工作方式与从命令行捕获输入的工作方式相同：“输入”不作为输入的一部分发送;当在文件或IO的其他子类上调用#gets时，它都不会被传递，因此数字肯定不会匹配。

请参阅相关的 Pickaxe部分

我可以问一下为什么你这么关心线长总和到文件大小？你可能正在解决一个比必要更难的问题......

啊哈。我想我现在就明白了。

缺少方便的iPod（或任何其他类型的东西），我不知道你是否想要正好4K块，在这种情况下IO＃read（4000）将是你的朋友（4000或4096？）或如果你更乐意分手，在这种情况下，这样的事情应该有效：

class Chunkifier
  def Chunkifier.to_chunks(path)
    chunks, current_chunk_size = [""], 0
    File.readlines(path).each do |line|
      line.chomp! # strips off \n, \r or \r\n depending on OS
      if chunks.last.size + line.size >= 4_000 # 4096?
        chunks.last.chomp! # remove last line terminator
        chunks << ""
      end
      chunks.last << line + "\n" # or whatever terminator you need
    end
    chunks
  end
end

if __FILE__ == 
class String
  def size_in_bytes
    self.unpack("C*").size
  end
end


  require 'test/unit'
  class TestFile < Test::Unit::TestCase
    def test_chunking
      chs = Chunkifier.to_chunks(PATH)
      chs.each do |chunk|
        assert 4_000 >= chunk.size, "chunk is #{chunk.size} bytes long"
      end
    end
  end
end

注意使用IO＃readlines来获取所有文本：#each或#each_line也可以。我用String＃chomp！为了确保无论操作系统在做什么，都会删除最后的字节，以便\ n或其他任何内容都可以强制输出。

我建议使用File＃write而不是#print或#puts作为输出，因为后者倾向于提供特定于操作系统的换行序列。

如果您真的关心多字节字符，请考虑使用each_byte或unpack（C *）选项以及猴子修补字符串，如下所示：

<*>

解压缩版本比我机器上的每个版本快8倍，顺便说一句。

其他提示

您可以尝试IO＃each_byte，例如

total_bytes = 0
file_name = "test_this.txt"
File.open(file_name, "r") do |file|
  file.each_byte {|b| total_bytes += 1}
end
puts "Original size #{File.size(file_name)}"
puts "Total bytes #{total_bytes}"

那当然不会一次给你一条线。您最好的选择可能是通过 each_byte 来浏览文件，直到遇到 \ r \ n 。 IO类提供了许多可能有用的低级读取方法。

这里可能有几个重叠的问题：

  1. 换行字符 \ r \ n 与 \ n （根据您之前的帖子）。还有EOF文件字符（^ Z）？

  2. “大小”的定义在您的问题陈述中：您的意思是“多少个字符” （考虑到多字节字符编码）或者你的意思是“多少字节”？

  3. $ KCODE 全局变量的交互（在ruby 1.9中不推荐使用。如果您在1.9下运行，请参阅 String＃encoding 和朋友）。例如，您的文件中是否有重音字符？

  4. #unpack 的格式字符串。如果你真的想要计算字节，我想你想要 C * 。

    5. 还要注意 IO＃each_line 的存在（只是这样你就可以丢弃而并且更加像一个ruby-idiomatic; - ））。

问题在于，当您在Windows上保存文本文件时，换行符是两个字符（字符13和10），因此2个字节，当您将其保存在linux上时，只有1个（字符10）。但是，ruby将这两个字符报告为单个字符'\ n' - 它表示字符10.更糟糕的是，如果你使用windows文件在linux上，ruby会给你两个字符。

因此，如果您知道您的文件始终来自Windows文本文件并在Windows上执行，那么每次获得换行符时，您都可以为计数添加1。否则它是一些条件和一个小状态机。

BTW没有EOF'字符'。

f = File.new("log.txt")
begin
    while (line = f.readline)
        line.chomp
        puts line.length
    end
rescue EOFError
    f.close
end

这是一个简单的解决方案，假设当前文件指针设置为读取文件中一行的开头：

    last_pos = file.pos
    next_line = file.gets
    current_pos = file.pos
    backup_dist = last_pos - current_pos
    file.seek(backup_dist, IO::SEEK_CUR)

在此示例中“文件”是您正在阅读的文件。要在循环中执行此操作：

    last_pos = file.pos
    begin loop
        next_line = file.gets
        current_pos = file.pos
        backup_dist = last_pos - current_pos
        last_pos = current_pos
        file.seek(backup_dist, IO::SEEK_CUR)
    end loop
许可以下： CC-BY-SA 和 归因
不隶属于 StackOverflow
scroll top