如何通过段落或块将数据读入数组
我有一个文件，其中包含由空行分隔的文本块，如下所示：
block 1 some text some text block 2 some text some text 如何将其读入数组？
这经常被问到我认为解释做什么是有用的，但首先我需要这样说：
不要试图一口气读取文件。 这被称为“啜饮”，并且是一个坏主意，除非你能保证你总是会得到大小不到1MB的文件。 有关更多信息，请参阅“ 为什么”啜饮“文件不是一个好的做法？ ”。
如果我有一个看起来像这样的文件：
block 1 some text some text block 2 some text some text
我试着正常读它，我会得到类似的东西：
File.read('foo.txt') #=> "block 1\nsome text\nsome text\n\nblock 2\nsome text\nsome text\n"
这将让我不得不将它分成单独的行，试图找到空行，然后将其分成块。 并且，总是天真的解决方案是使用正则表达式，这种类型有效，但它不是最优的。
或者我们可以尝试：
File.readlines('foo.txt') #=> ["block 1\n", "some text\n", "some text\n", "\n", "block 2\n", "some text\n", "some text\n"]
然后仍然必须找到空行并将数组转换为子数组。
相反，有两种简单的方法来加载文件。
-
记住先前关于啜饮文件的警告，如果它是一个我们可以使用的小文件：
File.readlines('foo.txt', "\n\n") #=> ["block 1\nsome text\nsome text\n\n", "block 2\nsome text\nsome text\n"]注意在第二个参数中使用
"\n\n"。 这就是“行分隔符”，对于* nix类型的操作系统通常定义为“\ n”，对于Windows定义为“\ r \ n”。 它实际上是基于OS派生的全局值Ruby集合亲切地称为$/，$RS或$INPUT_RECORD_SEPARATOR。 它们记录在英语模块中。 记录分隔符是文本文件中用于分隔两行的字符，或者，就我们的目的而言，由两个行尾字符分隔的一组行，或者换句话说，一个段落。阅读后，可以轻松清理内容以删除尾随行尾：
File.readlines('foo.txt', "\n\n").map(&:rstrip) #=> ["block 1\nsome text\nsome text", "block 2\nsome text\nsome text"]或者将它们分成子数组：
File.readlines('foo.txt', "\n\n").map{ |s| s.rstrip.split("\n") } #=> [["block 1", "some text", "some text"], ["block 2", "some text", "some text"]]所有示例都可以使用类似于以下的段落：
File.readlines('foo.txt', "\n\n").map(&:rstrip).each do |line| # do something with line end要么：
File.readlines('foo.txt', "\n\n").map{ |s| s.rstrip.split("\n") }.each do |paragraph| # do something with the sub-array `paragraph` end -
如果它是一个大文件，如果文件尚未打开，我们可以通过
foreach使用Ruby的逐行IO，如果文件已经打开，我们可以使用each_line。 而且，由于您阅读了上面的链接，您已经知道我们为什么要使用逐行IO。File.foreach('foo.txt', "\n\n") #=> #foreach返回一个枚举器，所以我们需要使用to_a来读取数组，以便我们可以看到结果，但通常我们不必这样做：File.foreach('foo.txt', "\n\n").to_a #=> ["block 1\nsome text\nsome text\n\n", "block 2\nsome text\nsome text\n"]像上面这样很容易使用
foreach：File.foreach('foo.txt', "\n\n").map(&:rstrip) #=> ["block 1\nsome text\nsome text", "block 2\nsome text\nsome text"] File.foreach('foo.txt', "\n\n").map(&:rstrip).map{ |s| s.rstrip.split("\n") } #=> [["block 1", "some text", "some text"], ["block 2", "some text", "some text"]]注意：我强烈怀疑使用这样的
map会导致类似于诽谤文件的问题，因为Ruby会在传递给map之前缓冲foreach的输出。 相反，我们需要对do块中读取的每个段落进行do：File.foreach('foo.txt', "\n\n") do |ary| ary.rstrip.split("\n").each do |line| # do something with the individual line end end这样做只是性能上的一小部分但是，因为目标是按段落或块进行处理，所以这是可以接受的。
另请注意，这是一个社区Wiki，因此请进行适当的编辑和贡献。