如何在 C# 中打开大文本文件

Question

我有一个包含大约 100000 篇文章的文本文件。 文件的结构是：

.Document ID 42944-YEAR:5
.Date  03\08\11
.Cat  political
Article Content 1

.Document ID 42945-YEAR:5
.Date  03\08\11
.Cat  political
Article Content 2

我想在c#中打开这个文件并逐行处理它。 我尝试了这段代码：

String[] FileLines = File.ReadAllText(
                  TB_SourceFile.Text).Split(Environment.NewLine.ToCharArray()); 

但它说：

类型异常 “System.OutOfMemoryException”是 抛出。

问题是如何打开这个文件并逐行读取它。

• 文件大小：564 MB（591,886,626 字节）
• 文件编码：UTF-8
• 文件包含 Unicode 字符。

Answer 1

您可以打开该文件并将其作为流读取，而不是加载所有内容一下子全部进入记忆。

来自 MSDN：

using System;
using System.IO;

class Test 
{
    public static void Main() 
    {
        try 
        {
            // Create an instance of StreamReader to read from a file.
            // The using statement also closes the StreamReader.
            using (StreamReader sr = new StreamReader("TestFile.txt")) 
            {
                String line;
                // Read and display lines from the file until the end of 
                // the file is reached.
                while ((line = sr.ReadLine()) != null) 
                {
                    Console.WriteLine(line);
                }
            }
        }
        catch (Exception e) 
        {
            // Let the user know what went wrong.
            Console.WriteLine("The file could not be read:");
            Console.WriteLine(e.Message);
        }
    }
}

Answer 2

您的文件太大，无法像 File.ReadAllText 尝试那样一次性读入内存。您应该逐行读取文件。

改编自MSDN：

string line;
// Read the file and display it line by line.
using (StreamReader file = new StreamReader(@"c:\yourfile.txt"))
{
    while ((line = file.ReadLine()) != null)
    {    
        Console.WriteLine(line);
        // do your processing on each line here
    }
}

这样，不任何时候内存中都会有不止一行文件。

Answer 3

如果您使用的是 .NET Framework 4，则 System.IO.File 上有一个名为 ReadLines 的新静态方法，它返回字符串的 IEnumerable。我相信它是针对这种情况添加到框架中的；不过，我自己还没有使用过。

MSDN 文档 - File.ReadLines 方法（字符串）

相关堆栈溢出问题 - File.ReadLines 中的错误( ..).net Framework 4.0的方法

Answer 4

像这样的东西：

using (var fileStream = File.OpenText(@"path to file"))
{
    do
    {
        var fileLine = fileStream.ReadLine();
        // process fileLine here

    } while (!fileStream.EndOfStream);
}