nodejs同步逐行读取大文件？

Question

我有一个大文件（utf8）。我知道 fs.createReadStream 可以创建流来读取大文件，但不同步。所以我尝试使用fs.readSync，但读取文本像“迈�”一样被破坏。

var fs = require('fs');
var util = require('util');
var textPath = __dirname + '/people-daily.txt';   
var fd = fs.openSync(textPath, "r");
var text = fs.readSync(fd, 4, 0, "utf8");
console.log(util.inspect(text, true, null));

Answer 1

对于大文件，readFileSync 可能不方便，因为它将整个文件加载到内存中。另一种不同的同步方法是迭代调用 readSync，一次读取少量数据，并在数据行到来时对其进行处理。以下代码实现了这种方法，并一次同步处理文件“test.txt”中的一行：

var fs = require('fs');
var filename = 'test.txt'

var fd = fs.openSync(filename, 'r');
var bufferSize = 1024;
var buffer = new Buffer(bufferSize);

var leftOver = '';
var read, line, idxStart, idx;
while ((read = fs.readSync(fd, buffer, 0, bufferSize, null)) !== 0) {
  leftOver += buffer.toString('utf8', 0, read);
  idxStart = 0
  while ((idx = leftOver.indexOf("\n", idxStart)) !== -1) {
    line = leftOver.substring(idxStart, idx);
    console.log("one line read: " + line);
    idxStart = idx + 1;
  }
  leftOver = leftOver.substring(idxStart);
}

Answer 2

使用 https://github.com/nacholibre/node-readlines

var lineByLine = require('n-readlines');
var liner = new lineByLine('./textFile.txt');

var line;
var lineNumber = 0;
while (line = liner.next()) {
    console.log('Line ' + lineNumber + ': ' + line.toString('ascii'));
    lineNumber++;
}

console.log('end of line reached');

Answer 3

使用 readFileSync：

fs.readFileSync(filename, [encoding]) 的同步版本
fs.readFile。返回文件名的内容。

如果指定了编码，则此函数返回一个字符串。
否则它返回一个缓冲区。

顺便说一句，由于您使用的是节点，所以我建议使用异步函数。

Answer 4

我构建了一个更简单的版本 JB Kohn 的答案，它在缓冲区上使用 split() 。它适用于我尝试过的较大文件。

/*
 * Synchronously call fn(text, lineNum) on each line read from file descriptor fd.
 */
function forEachLine (fd, fn) {
    var bufSize = 64 * 1024;
    var buf = new Buffer(bufSize);
    var leftOver = '';
    var lineNum = 0;
    var lines, n;

    while ((n = fs.readSync(fd, buf, 0, bufSize, null)) !== 0) {
        lines = buf.toString('utf8', 0 , n).split('\n');
        lines[0] = leftOver+lines[0];       // add leftover string from previous read
        while (lines.length > 1) {          // process all but the last line
            fn(lines.shift(), lineNum);
            lineNum++;
        }
        leftOver = lines.shift();           // save last line fragment (may be '')
    }
    if (leftOver) {                         // process any remaining line
        fn(leftOver, lineNum);
    }
}

Answer 5

两个潜在的问题，

1. 开头的3个字节BOM你没有跳过
2. 前4个字节不能很好地格式化为UTF8的字符（utf8不是固定长度）

Answer 6

Node 11 为此添加了异步迭代器语法。请参阅相关答案长话短说

：

const fs = require('fs')
const readline = require('readline')

const rl = readline.createInterface({
    input: fs.createReadStream(filename)
})

for await (const line of rl) {
  await processLine(line)
}