JAVA之NIO按行读写大文件，完美解决中文乱码问题

前言

最近在开发的时候，接到了一个开发任务，要将百万行级别的txt数据插入到数据库中，由于内存方面的原因，因此不可能一次读取所有内容，后来在网上找到了解决方法，可以使用NIO技术来处理，于是找到了这篇文章http://www.sharejs.com/codes/java/1334，后来在试验过程中发现了一点小bug，由于是按字节读取，汉字又是2个字节，因此会出现汉字读取“一半”导致乱码的情况，于是花了几天时间将这个问题解决了。

例子

假设我们一次读取的字节是从下图的start到end，因为结尾是汉字，所以有几率出现上述的情况。

解决方法如下：将第9行这半行(第9行阴影的部分)跟上一次读取留下来的半行(第9行没阴影的部分)按顺序存放在字节数组，然后转成字符串；中间第10行到第17行正常转换成字符串；第18行这半行(第18行阴影的部分)留着跟下一次读取的第1行(第18行没阴影的部分)连接成一行，因为是先拼接成字节数组再转字符串，因此不会出现乱码的情况。

代码

1. package com.chillax.imp;
2. import java.io.File;
3. import java.io.IOException;
4. import java.io.RandomAccessFile;
5. import java.nio.ByteBuffer;
6. import java.nio.channels.FileChannel;
7. import java.util.ArrayList;
8. import java.util.Date;
9. import java.util.List;
10. /**
11. * NIO读取百万级别文件
12. * @author Chillax
13. *
14. */
15. public class NIO {
16. public static void main(String args[]) throws Exception {
17. int bufSize = 1000000;//一次读取的字节长度
18. File fin = new File("D:\\test\\20160622_627975.txt");//读取的文件
19. File fout = new File("D:\\test\\20160622_627975_1.txt");//写出的文件
20. Date startDate = new Date();
21. FileChannel fcin = new RandomAccessFile(fin, "r").getChannel();
22. ByteBuffer rBuffer = ByteBuffer.allocate(bufSize);
23. FileChannel fcout = new RandomAccessFile(fout, "rws").getChannel();
24. ByteBuffer wBuffer = ByteBuffer.allocateDirect(bufSize);
25. readFileByLine(bufSize, fcin, rBuffer, fcout, wBuffer);
26. Date endDate = new Date();
27. System.out.print(startDate+"|"+endDate);//测试执行时间
28. if(fcin.isOpen()){
29. fcin.close();
30. }
31. if(fcout.isOpen()){
32. fcout.close();
33. }
34. }
35. public static void readFileByLine(int bufSize, FileChannel fcin,
36. ByteBuffer rBuffer, FileChannel fcout, ByteBuffer wBuffer) {
37. String enter = "\n";
38. List<String> dataList = new ArrayList<String>();//存储读取的每行数据
39. byte[] lineByte = new byte[0];
40. String encode = "GBK";
41. //      String encode = "UTF-8";
42. try {
43. //temp：由于是按固定字节读取，在一次读取中，第一行和最后一行经常是不完整的行，因此定义此变量来存储上次的最后一行和这次的第一行的内容，
44. //并将之连接成完成的一行，否则会出现汉字被拆分成2个字节，并被提前转换成字符串而乱码的问题
45. byte[] temp = new byte[0];
46. while (fcin.read(rBuffer) != -1) {//fcin.read(rBuffer)：从文件管道读取内容到缓冲区(rBuffer)
47. int rSize = rBuffer.position();//读取结束后的位置，相当于读取的长度
48. byte[] bs = new byte[rSize];//用来存放读取的内容的数组
49. rBuffer.rewind();//将position设回0,所以你可以重读Buffer中的所有数据,此处如果不设置,无法使用下面的get方法
50. rBuffer.get(bs);//相当于rBuffer.get(bs,0,bs.length())：从position初始位置开始相对读,读bs.length个byte,并写入bs[0]到bs[bs.length-1]的区域
51. rBuffer.clear();
52. int startNum = 0;
53. int LF = 10;//换行符
54. int CR = 13;//回车符
55. boolean hasLF = false;//是否有换行符
56. for(int i = 0; i < rSize; i++){
57. if(bs[i] == LF){
58. hasLF = true;
59. int tempNum = temp.length;
60. int lineNum = i - startNum;
61. lineByte = new byte[tempNum + lineNum];//数组大小已经去掉换行符
62. System.arraycopy(temp, 0, lineByte, 0, tempNum);//填充了lineByte[0]~lineByte[tempNum-1]
63. temp = new byte[0];
64. System.arraycopy(bs, startNum, lineByte, tempNum, lineNum);//填充lineByte[tempNum]~lineByte[tempNum+lineNum-1]
65. String line = new String(lineByte, 0, lineByte.length, encode);//一行完整的字符串(过滤了换行和回车)
66. dataList.add(line);
67. //                      System.out.println(line);
68. writeFileByLine(fcout, wBuffer, line + enter);
69. //过滤回车符和换行符
70. if(i + 1 < rSize && bs[i + 1] == CR){
71. startNum = i + 2;
72. }else{
73. startNum = i + 1;
74. }
75. }
76. }
77. if(hasLF){
78. temp = new byte[bs.length - startNum];
79. System.arraycopy(bs, startNum, temp, 0, temp.length);
80. }else{//兼容单次读取的内容不足一行的情况
81. byte[] toTemp = new byte[temp.length + bs.length];
82. System.arraycopy(temp, 0, toTemp, 0, temp.length);
83. System.arraycopy(bs, 0, toTemp, temp.length, bs.length);
84. temp = toTemp;
85. }
86. }
87. if(temp != null && temp.length > 0){//兼容文件最后一行没有换行的情况
88. String line = new String(temp, 0, temp.length, encode);
89. dataList.add(line);
90. //              System.out.println(line);
91. writeFileByLine(fcout, wBuffer, line + enter);
92. }
93. } catch (IOException e) {
94. e.printStackTrace();
95. }
96. }
97. /**
98. * 写到文件上
99. * @param fcout
100. * @param wBuffer
101. * @param line
102. */
103. @SuppressWarnings("static-access")
104. public static void writeFileByLine(FileChannel fcout, ByteBuffer wBuffer,
105. String line) {
106. try {
107. fcout.write(wBuffer.wrap(line.getBytes("UTF-8")), fcout.size());
108. } catch (IOException e) {
109. e.printStackTrace();
110. }
111. }
112. }

package com.chillax.imp;

import java.io.File;

import java.io.IOException;

import java.io.RandomAccessFile;

import java.nio.ByteBuffer;

import java.nio.channels.FileChannel;

import java.util.ArrayList;

import java.util.Date;

import java.util.List;

/**
NIO读取百万级别文件
@author Chillax

*/

public class NIO {
public static void main(String args[]) throws Exception {

	int bufSize = 1000000;//一次读取的字节长度
	File fin = new File("D:\\test\\20160622_627975.txt");//读取的文件
	File fout = new File("D:\\test\\20160622_627975_1.txt");//写出的文件
	Date startDate = new Date();
	FileChannel fcin = new RandomAccessFile(fin, "r").getChannel();
	ByteBuffer rBuffer = ByteBuffer.allocate(bufSize);

	FileChannel fcout = new RandomAccessFile(fout, "rws").getChannel();
	ByteBuffer wBuffer = ByteBuffer.allocateDirect(bufSize);

	readFileByLine(bufSize, fcin, rBuffer, fcout, wBuffer);
	Date endDate = new Date();

	System.out.print(startDate+"|"+endDate);//测试执行时间
	if(fcin.isOpen()){
		fcin.close();
	}
	if(fcout.isOpen()){
		fcout.close();
	}
}

public static void readFileByLine(int bufSize, FileChannel fcin,
		ByteBuffer rBuffer, FileChannel fcout, ByteBuffer wBuffer) {
	String enter = "\n";
	List<String> dataList = new ArrayList<String>();//存储读取的每行数据
	byte[] lineByte = new byte[0];

	String encode = "GBK";

//		String encode = "UTF-8";

try {

//temp：由于是按固定字节读取，在一次读取中，第一行和最后一行经常是不完整的行，因此定义此变量来存储上次的最后一行和这次的第一行的内容，

//并将之连接成完成的一行，否则会出现汉字被拆分成2个字节，并被提前转换成字符串而乱码的问题

byte[] temp = new byte[0];

while (fcin.read(rBuffer) != -1) {//fcin.read(rBuffer)：从文件管道读取内容到缓冲区(rBuffer)

int rSize = rBuffer.position();//读取结束后的位置，相当于读取的长度

byte[] bs = new byte[rSize];//用来存放读取的内容的数组

rBuffer.rewind();//将position设回0,所以你可以重读Buffer中的所有数据,此处如果不设置,无法使用下面的get方法

rBuffer.get(bs);//相当于rBuffer.get(bs,0,bs.length())：从position初始位置开始相对读,读bs.length个byte,并写入bs[0]到bs[bs.length-1]的区域

rBuffer.clear();
			int startNum = 0;
			int LF = 10;//换行符
			int CR = 13;//回车符
			boolean hasLF = false;//是否有换行符
			for(int i = 0; i < rSize; i++){
				if(bs[i] == LF){
					hasLF = true;
					int tempNum = temp.length;
					int lineNum = i - startNum;
					lineByte = new byte[tempNum + lineNum];//数组大小已经去掉换行符

					System.arraycopy(temp, 0, lineByte, 0, tempNum);//填充了lineByte[0]~lineByte[tempNum-1]
					temp = new byte[0];
					System.arraycopy(bs, startNum, lineByte, tempNum, lineNum);//填充lineByte[tempNum]~lineByte[tempNum+lineNum-1]

					String line = new String(lineByte, 0, lineByte.length, encode);//一行完整的字符串(过滤了换行和回车)
					dataList.add(line);

//						System.out.println(line);

writeFileByLine(fcout, wBuffer, line + enter);
					//过滤回车符和换行符
					if(i + 1 < rSize && bs[i + 1] == CR){
						startNum = i + 2;
					}else{
						startNum = i + 1;
					}

				}
			}
			if(hasLF){
				temp = new byte[bs.length - startNum];
				System.arraycopy(bs, startNum, temp, 0, temp.length);
			}else{//兼容单次读取的内容不足一行的情况
				byte[] toTemp = new byte[temp.length + bs.length];
				System.arraycopy(temp, 0, toTemp, 0, temp.length);
				System.arraycopy(bs, 0, toTemp, temp.length, bs.length);
				temp = toTemp;
			}
		}
		if(temp != null && temp.length > 0){//兼容文件最后一行没有换行的情况
			String line = new String(temp, 0, temp.length, encode);
			dataList.add(line);

//				System.out.println(line);

writeFileByLine(fcout, wBuffer, line + enter);

}

} catch (IOException e) {

e.printStackTrace();

}

}
/**
 * 写到文件上
 * @param fcout
 * @param wBuffer
 * @param line
 */
@SuppressWarnings("static-access")
public static void writeFileByLine(FileChannel fcout, ByteBuffer wBuffer,
		String line) {
	try {
		fcout.write(wBuffer.wrap(line.getBytes("UTF-8")), fcout.size());
	} catch (IOException e) {
		e.printStackTrace();
	}
}

}

—————END—————