统计一个大文本行数的几种方法以及效率统计（一）

最近在和一个朋友的交流中，遇到这么一个问题，如何能较快对一个较大的文本文件（1G或更大）的文本行数进行统计。如果不考虑效率，要统计一个文本的行数其实一点也不难，但是如果需要在较快的时间内做完，恐怕就得考虑实现方法了。

为此，自己尝试了几种方法，在这里把这几种方法拿出来和大家讨论一下。

首先是生成测试数据的代码：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21

const int COL_NUM = 30; const int LINE_NUM = 10000000; const string FILE_NAME = @"d:\test.csv"; /// <summary> /// 创建一个一千万行的文本文件，大小约为900M。 /// </summary> static void CreateTestCSVFile() {     string rowValue = string.Join(string.Empty,         Enumerable.Range(1, COL_NUM).Select(i => i.ToString("00") + ","));           using (StreamWriter sw = new StreamWriter(FILE_NAME, false, Encoding.ASCII))     {         for (int i = 0; i < LINE_NUM; i++)         {             sw.WriteLine(rowValue);         }     } }

.NET4.0 + StreamReader + ReadLine()

原理很简单，使用StreamReader的ReadLine方法，每执行一次，行数加一。代码如下：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

/// <summary> /// StreamReader + ReadLine() /// </summary> static void CalculateLine_ReadLine() {     long lineCount = 0;     using (StreamReader sr = new StreamReader(FILE_NAME, false))     {         while (!sr.EndOfStream)         {             sr.ReadLine();             lineCount++;         }     }     Console.WriteLine("line count: {0}", lineCount); }

测试结果如下：

对于以上这种方法，平均每次执行时间为55s左右，执行效率明显不尽如人意。

如果我们同样采用流，不过使用分块的方式，将文件内容一块一块读进内存，在解析每块内容的行数，最后相加。这样做的效率如何呢？

.NET4.0 + StreamReader + ReadBlock()

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42

/// <summary> /// StreamReader + ReadBlock() /// </summary> static void CalculateLine_ReadBlock(int oneBlockSize) {           long lineCount = 0;     char[] oneBlock = new char[oneBlockSize];     using (StreamReader sr = new StreamReader(FILE_NAME, false))     {         long streamLen = sr.BaseStream.Length;         while (!sr.EndOfStream)         {             long leftLength = streamLen - sr.BaseStream.Position - 1;             if (leftLength >= oneBlockSize)             {                 sr.ReadBlock(oneBlock, 0, oneBlock.Length);                 lineCount += oneBlock.Count(c => c == '\r');             }             else             {                 lineCount += sr.ReadToEnd().Count(c => c == '\r');             }         }     }     Console.WriteLine("line count: {0}", lineCount); } static void Main(string[] args) {     int[] oneBlockArray = new[] { 1, 10, 20, 50, };     foreach (int oneBlockSize in oneBlockArray)     {                   CodeTimerF2.CodeTimer.Time(string.Format("StreamReader + ReadBolck() [Block Size: {0}MB]", oneBlockSize),             1, () => CalculateLine_ReadBlock(oneBlockSize * 1024 * 1024));     }           Console.ReadKey(); }

运行结果如图：