java读取大文件内容（手把手教你java处理超大csv文件）

前言

我最近在优化我的pdf转word的开源小工具，有时候会遇到一个问题，就是如果我的pdf文件比较大，几百兆，如何更快更节省内存的读取它。于是我分析对比了四种常见的读取文件的方式，并使用javavisualvm工具进行了分析。最后得出的结论是commons-io时间和空间都更加的高效。研究分析依然来自哪位baeldung国外大佬。

下面我会给出几种常见的读取大文件的方式。

读取大文件的四种方式

首先我自己在本地压缩了一个文件夹，大概500m左右。虽然不是很大但是，相对还可以。

方法1：guava读取

string path = "g:\java书籍及工具.zip";
files.readlines(new file(path), charsets.utf_8);

使用guava读取比较简单，一行代码就搞定了。

下面去jdk的bin目录找到javavisualvm工具，然后双击运行即可。

从上图可以看到：

时间消耗：20秒

堆内存：最高2.5g

cpu消耗：最高50%

我们一个500m的文件，堆内存最高竟然2.5g，如果我们读取一个2g的文件，可能我们的电脑直接死机了就。

方式2：apache commons io普通方式

string path = "g:\java书籍及工具.zip";
fileutils.readlines(new file(path), charsets.utf_8);

这种方式也比较简单，同样是一行代码。下面运行，也分析一波：

从上图可以看到：

时间消耗：17秒

堆内存：最高2.5g

cpu消耗：最高50%，平稳运行25%左右

这种方式和上面那种基本上消耗差不多，肯定不是我想要的。

方式3：java文件流

fileinputstream inputstream = null;
scanner sc = null;
try {
     inputstream = new fileinputstream(path);
     sc = new scanner(inputstream, "utf-8");
     while (sc.hasnextline()) {
          string line = sc.nextline();
          //system.out.println(line);
     }
     if (sc.ioexception() != null) {
          throw sc.ioexception();
     }
} finally {
     if (inputstream != null) {
          inputstream.close();
     }
     if (sc != null) {
           sc.close();
     }
}

这种方式其实就是java中最常见的方式，然后我们运行分析一波：

从上图可以看到：

时间消耗：32秒，增加了一倍

堆内存：最高1g，少了一半

cpu消耗：平稳运行25%左右

这种方式确实很优秀，但是时间上开销更大。

方式4：apache commons io流

lineiterator it = fileutils.lineiterator(new file(path), "utf-8");
try {
      while (it.hasnext()) {
          string line = it.nextline();
      }
} finally {
     lineiterator.closequietly(it);
}

这种方式代码看起来比较简单，所以直接运行一波吧：

从上图可以看到：

时间消耗：16秒，最低

堆内存：最高650m，少了一半

cpu消耗：平稳运行25%左右

ok，就它了，牛。

结论

通过以上的分析，我们可以得出一个结论，如果我们想要读取一个大文件，选择了错误的方式，就有可能极大地占用我的内存和cpu，当文件特别大时，会造成意向不到的问题。

因此为了去解决这样的问题，有四种常见的读取大文件的方式。通过分析对比，发现，apache commons io流是最高效的一种方式。