Java 解析两个文件并生成员工数据
假设我们有两个以逗号分隔的日志文件。Java 解析两个文件并生成员工数据,java,sql,file,bufferedreader,filereader,Java,Sql,File,Bufferedreader,Filereader,假设我们有两个以逗号分隔的日志文件。file1.txt表示员工id和员工姓名，file2.txt表示员工id和与其关联的项目。 file1具有唯一的条目文件2将有许多关系。如果新员工没有分配任何项目，则在file2.txt中没有任何条目 File1.txt:(EmpId, EmpName) 1,abc 2,ac 3,bc 4,acc 5,abb 6,bbc 7,aac 8,aba 9,aaa File2.txt: (EmpId, ProjectId) 1,102 2,102 1,103 3,1
file1.txt员工id员工姓名file2.txt员工id项目。
file1
具有唯一的条目<代码>文件2file2.txtFile1.txt:(EmpId, EmpName)
1,abc
2,ac
3,bc
4,acc
5,abb
6,bbc
7,aac
8,aba
9,aaa
File2.txt: (EmpId, ProjectId)
1,102
2,102
1,103
3,101
5,102
1,103
2,105
2,200
9,102
Find the each employee has been assigned to number of projects. For New employees if they dont have any projects print 0;
Output:
1=3
2=3
3=1
4=0
5=1
6=0
7=0
8=0
9=1
// Walk the projects list.
Arrays.stream(file2)
// Get empId - Split on comma, take the first field and convert to integer (again).
.map(s -> Integer.valueOf(s.split(",")[0]))
// Count the projects.
.forEach(empId -> employeeProjectCount.put(empId, employeeProjectCount.get(empId)+1));
file1file2public static void main(String[] args) throws IOException {
// TODO Auto-generated method stub
BufferedReader file1 = new BufferedReader(new FileReader("file1.txt"));
BufferedReader file2 = new BufferedReader(new FileReader("file2.txt"));
BufferedReader file3 = new BufferedReader(new FileReader("file2.txt"));
HashMap<String,Integer> empProjCount = new HashMap<String, Integer>();
int lines =0;
while (file2.readLine() != null)
lines++;
String line1 = file1.readLine();
String[] line_1 = line1.split(",");
String line2 = file3.readLine();
String[] line_2 = line2.split(",");
while(line1 != null && line2 != null)
{
int count = 0;
for(int i=1;i<=lines+1 && line2 != null;i++)
{
if(line_1[0].equals(line_2[0]))
{
count++;
}
line2 = file3.readLine();
if(line2 != null){
line_2 = line2.split(",");
}
}
file3 = new BufferedReader(new FileReader("file2.txt"));
empProjCount.put(line_1[0], count);
line1 = file1.readLine();
if(line1 != null) line_1 = line1.split(",");
line2 = file3.readLine();
if(line2 != null) line_2 = line2.split(",");
}
System.out.println(empProjCount);
publicstaticvoidmain（字符串[]args）引发IOException{
//TODO自动生成的方法存根
BufferedReader file1=新的BufferedReader（新文件读取器（“file1.txt”）；
BufferedReader file2=新的BufferedReader（新文件读取器（“file2.txt”）；
BufferedReader file3=新的BufferedReader（新文件读取器（“file2.txt”）；
HashMap empProjCount=新HashMap（）；
int行=0；
while（file2.readLine（）！=null）
行++；
字符串line1=file1.readLine（）；
String[]line_1=line1.split（“，”）；
字符串line2=file3.readLine（）；
String[]line_2=line2.split（“，”）；
while（line1！=null&&line2！=null）
{
整数计数=0；
对于（inti=1；i对于1：是
对于2：是：
我将在两次迭代中完成：
迭代ID（文件1）并初始化映射（empId、projectCounter）
迭代项目（file2）并为每行更新（projectCounter++）映射中的相应条目
这样，您将有几乎线性的执行时间（对于file1和file2大小）。对于1：是
对于2：是：
我将在两次迭代中完成：
迭代ID（文件1）并初始化映射（empId、projectCounter）
迭代项目（file2）并为每行更新（projectCounter++）映射中的相应条目
这样，您将有几乎线性的执行时间（对于文件1和文件2大小）。从文件1
中收集所有员工ID的映射，并对其进行初始化，以包含项目计数的0
// Build my map of all employees.
Map<Integer, Integer> employeeProjectCount = Arrays.stream(file1)
// Get empId - Split on comma, take the first field and convert to integer.
.map(s -> Integer.valueOf(s.split(",")[0]))
// Build a Map for the results.
.collect(Collectors.toMap(
// Key is emp ID.
empId -> empId,
// Value starts at zero.
empId -> ZERO
));
打印它：
// Print it.
System.out.println(employeeProjectCount);
给予
{1=3，2=3，3=1，4=0，5=1，6=0，7=0，8=0，9=1}
顺便说一句：我使用的文件是String[]
s
String[] file1 = {
"1,abc",
"2,ac",
"3,bc",
"4,acc",
"5,abb",
"6,bbc",
"7,aac",
"8,aba",
"9,aaa",};
String[] file2 = {
"1,102",
"2,102",
"1,103",
"3,101",
"5,102",
"1,103",
"2,105",
"2,200",
"9,102",
};
从文件1
收集所有员工ID的映射图
，并对其进行初始化，以包含项目计数的0
// Build my map of all employees.
Map<Integer, Integer> employeeProjectCount = Arrays.stream(file1)
// Get empId - Split on comma, take the first field and convert to integer.
.map(s -> Integer.valueOf(s.split(",")[0]))
// Build a Map for the results.
.collect(Collectors.toMap(
// Key is emp ID.
empId -> empId,
// Value starts at zero.
empId -> ZERO
));
打印它：
// Print it.
System.out.println(employeeProjectCount);
给予
{1=3，2=3，3=1，4=0，5=1，6=0，7=0，8=0，9=1}
顺便说一句：我使用的文件是String[]
s
String[] file1 = {
"1,abc",
"2,ac",
"3,bc",
"4,acc",
"5,abb",
"6,bbc",
"7,aac",
"8,aba",
"9,aaa",};
String[] file2 = {
"1,102",
"2,102",
"1,103",
"3,101",
"5,102",
"1,103",
"2,105",
"2,200",
"9,102",
};
使用文件.line
和正则表达式：
Pattern employeePattern = Pattern.compile("(?<id>\\d+),(?<name>\\s+)");
Set<String> employees = Files.lines(Paths.get("file1.txt"));
.map(employeePattern::matcher).filter(Matcher::matches)
.map(m -> m.group("id")).collect(Collectors.toSet());
Pattern projectPattern = Pattern.compile("(?<emp>\\d+),(?<proj>\\d+)");
Map<String,Long> projects = Files.lines(Paths.get("file2.txt"))
.map(projectPattern::matcher).filter(Matcher::matches)
.collect(Collectors.groupingBy(m -> m.group("emp"), Collectors.counting());
使用文件.line
和正则表达式：
Pattern employeePattern = Pattern.compile("(?<id>\\d+),(?<name>\\s+)");
Set<String> employees = Files.lines(Paths.get("file1.txt"));
.map(employeePattern::matcher).filter(Matcher::matches)
.map(m -> m.group("id")).collect(Collectors.toSet());
Pattern projectPattern = Pattern.compile("(?<emp>\\d+),(?<proj>\\d+)");
Map<String,Long> projects = Files.lines(Paths.get("file2.txt"))
.map(projectPattern::matcher).filter(Matcher::matches)
.collect(Collectors.groupingBy(m -> m.group("emp"), Collectors.counting());
因此，请求代码检查不是最好的地方。如果不使用任何sql
，为什么要标记它？在sql中，它是一个简单的选择emp.EmpId，count（*）从emp left join proj on e.EmpId=proj.EmpId group by emp.EmpId
Performance:n
是文件1和文件2中的m
记录数，可以在O（n*m）
中使用O（1）
内存执行，也可以在O（n+m）
中使用O（n）执行
memory。我投票决定将这个问题作为离题题题结束，因为它属于on@Stultuske@JimGarrison我没有发布我的代码以供审查。我只是发布它来展示我的方法，我在这方面做了一些工作。我真正的问题是如何以不同的方式处理它。如果它仍然不属于这里，请让我知道。因此，这不是要求代码回顾如果不使用任何sql
，为什么要标记它？在sql中，它是一个简单的选择emp.EmpId，count（*）从emp left join proj上的emp.EmpId=proj.EmpId按emp进行分组。EmpId
性能：n
是文件1中的记录数，m
是文件2中的记录数，可以在O（n*m）中完成
带O（1）
内存，或在O（n+m）
带O（n）
memory。我投票决定将这个问题作为离题题题结束，因为它属于on@Stultuske@JimGarrison我没有发布我的代码以供审查。我只是发布它来展示我的方法，我在这方面做了一些工作。我真正的问题是如何以不同的方式处理它。如果它仍然不属于这里，请告诉我。