我正在处理一个涉及大量数据的项目。 我有很多（数千个）zip文件，每个文件都包含一个简单的txt文件，其中有成千上万行（约80k行）。 我目前的做法如下：
for(File zipFile: dir.listFiles()){
ZipFile zf = new ZipFile(zipFile);
ZipEntry ze = (ZipEntry) zf.entries().nextElement();
BufferedReader in = new BufferedReader(new InputStreamReader(zf.getInputStream(ze)));
...
final ZipFile file = new ZipFile( FILE_NAME );
try
{
final Enumeration<? extends ZipEntry> entries = file.entries();
while ( entries.hasMoreElements() )
{
final ZipEntry entry = entries.nextElement();
System.out.println( entry.getName() );
//use entry input stream:
readInputStream( file.getInputStream( entry ) )
}
}
finally
{
file.close();
}
private static int readInputStream( final InputStream is ) throws IOException {
final byte[] buf = new byte[ 8192 ];
int read = 0;
int cntRead;
while ( ( cntRead = is.read( buf, 0, buf.length ) ) >=0 )
{
read += cntRead;
}
return read;
}
Path jarPath = Paths.get(...);
try (FileSystem jarFS = FileSystems.newFileSystem(jarPath, null)) {
Path someFileInJarPath = jarFS.getPath("/...");
try (ReadableByteChannel rbc = Files.newByteChannel(someFileInJarPath, EnumSet.of(StandardOpenOption.READ))) {
// read file
}
}
这段代码是针对jar文件的，但我认为它也适用于zip文件。
try
{
final ZipFile zf = new ZipFile("C:/Documents and Settings/satheesh/Desktop/POTL.Zip");
final Enumeration<? extends ZipEntry> entries = zf.entries();
ZipInputStream zipInput = null;
while (entries.hasMoreElements())
{
final ZipEntry zipEntry=entries.nextElement();
final String fileName = zipEntry.getName();
// zipInput = new ZipInputStream(new FileInputStream(fileName));
InputStream inputs=zf.getInputStream(zipEntry);
// final RandomAccessFile br = new RandomAccessFile(fileName, "r");
BufferedReader br = new BufferedReader(new InputStreamReader(inputs, "UTF-8"));
FileWriter fr=new FileWriter(f2);
BufferedWriter wr=new BufferedWriter(new FileWriter(f2) );
while((line = br.readLine()) != null)
{
wr.write(line);
System.out.println(line);
wr.newLine();
wr.flush();
}
br.close();
zipInput.closeEntry();
}
}
catch(Exception e)
{
System.out.print(e);
}
finally
{
System.out.println("\n\n\nThe had been extracted successfully");
}
这段代码运行良好。
借鉴了Java Performance中的建议，类似于Wasim Wani的答案和Satheesh Kumar的答案：迭代ZIP条目以获取每个条目的InputStream并对其进行操作，我构建了自己的解决方案。
在我的情况下，处理是瓶颈，因此我在开始时大量启动并行提取，迭代entries.hasMoreElements()，并将每个结果放置在ConcurrentLinkedQueue中，然后从处理线程中消耗它们。我的ZIP文件包含表示序列化Java对象的一组XML文件，因此我的“提取”包括反序列化对象，并且这些反序列化的对象是放置在队列中的对象。
对我来说，与以前顺序获取ZIP中每个文件并处理它的方法相比，这具有一些优点：
有一个缺点：包括并行性时，流程控制会变得稍微复杂一些。