使用 Scala 分割大型 CSV 文件

Question

在 Scala 2.8 中进行文件 IO 的最佳方法是什么？

我想要做的就是将一个巨大的 CSV 文件切成许多较小的文件，例如每个文件 1000 行数据，并且每个文件保留标题。

Answer 1

对于像这样的简单任务，我会使用 scala.io.Source 。一个例子如下：

val input = io.Source.fromFile("input.csv").getLines()

if (input.hasNext) {
  // assuming one header line
  val header = List(input.next())

  for ((i, lines) <- Iterator.from(1) zip input.grouped(linesPerFile)) {
    val out = createWriter(i) // Create a file for index i
    (header.iterator ++ lines.iterator).foreach(out.println)
    out.close
  }
}

Answer 2

Moritz 的答案很好，只要您没有遇到 CSV 的一些更烦人的极端情况。一个相关的示例是 CSV 数据，其中一列是可能包含换行符的字符串：您不能依赖一行位于一行上，否则您最终会将某些行切成两半。

我会使用专用的 CSV 解析库将您的数据转换为迭代器。 kantan.csv 是一个示例（我是作者），但还有其他选择，例如产品集合 或 opencsv。