08.5.2 逐词读取文本文件
本节中展示的技术将通过byWord.go文件演示,它由四部分组成。正如你在Go代码中看到的,分隔一行中的单词可能比较棘手。程序的第一部分如下:
package main
import (
"bufio"
"flag"
"fmt"
"io"
"os"
"regexp"
)
byWord.go的第二部分代码如下:
func wordByWord(file string) error {
var err error
f, err := os.Open(file)
if err != nil {
return err
}
defer f.Close()
r := bufio.NewReader(f)
for {
line, err := r.ReadString('\n')
if err == io.EOF {
break
} else if err != nil {
fmt.Printf("error reading file %s", err)
return err
}
wordByWord()函数的这部分代码和byLine.go程序的lineByLine()函数一样。
byWord.go第三部分代码如下:
r := regexp.MustCompile("[^\\s]+")
words := r.FindAllString(line, -1)
for i := 0; i < len(words); i++ {
fmt.Printf(words[i])
}
}
return nil
}
wordByWord()函数的剩余代码是全新的,并使用正则表达式对输入的每行进行单词分割。正则表达式regexp.MustCompile("[^\\s]+")使用空格分割单词。
byWord.go的最后一部分代码如下:
func main() {
flag.Parse()
if len(flag.Args()) == 0 {
fmt.Printf("usage: byWord <file1> [<file2> ...]\n")
return
}
for _, file := range flag.Args() {
err := wordByWord(file)
if err != nil {
fmt.Println(err)
}
}
}
执行byWord.go会产生如下的输出:
$ go run byWord.go /tmp/adobegc.log
01/08/18
20:25:09:669
|
[INFO]
可以使用wc(1)验证byWord.go的正确性:
$ go run byWord.go /tmp/adobegc.log | wc
91591 91591 559005
$ wc /tmp/adobegc.log
4831 91591 583454 /tmp/adobegc.log
如你所见,wc(1)计算所得的单词数和byWord.go一致。
Copy link