Ruby 逐段懒洋洋地读取文件

我将一些数据存储在一个文件中，其中每个感兴趣的块存储在一个段落中，如下所示：

hello
there

kind

people
of

stack
overflow

我试着用以下代码阅读每一段，但不起作用：

paragraphs = File.open("hundreds_of_gigs").lazy.to_enum.grep(/.*\n\n/) do |p| 
  puts p
end

对于正则表达式，我试图说：“匹配以两个换行符结尾的任何内容”

我做错了什么

---

任何懒散的解决方法都值得赞赏。方法越简洁越好。

自定义解决方案。如果

IO#readline（sep）

为您做了@ascar所示的工作，就使用它

grouped_lines = open("file.txt").each_line.lazy.map(&:chomp).chunk(&:empty?)
paragraphs = grouped_lines.map { |sep, lines| lines if !sep }.reject(&:nil?)

p paragraphs
#=> <Enumerator::Lazy: #<Enumerator::Lazy:... 

p paragraphs.to_a
#=> [["hello", "there"], ["kind"], ["people", "of"], ["stack", "overflow"]]

grouped_line=open（“file.txt”）.each_line.lazy.map（&:chomp）.chunk（&:empty？）
段落=分组的_lines.map{sep，lines | lines if！sep}。拒绝（&:nil？）
p段
#=>会做你想做的事
File
是
IO
的一个子类，它拥有所有的方法，即使它们没有在文件rubydoc页面上说明

它逐行读取，其中行尾是给定的分隔符

例如：

每次调用readline lazy都会从顶部开始读取文件的一行

或者您可以使用来迭代文件

例如：

下面是一个惰性方法，当段落被一行或多行空行分隔时，它可以工作。我认为其他解决方案不允许段落之间的间隔可变

代码

def paragraphs(fname)
  complete = true
  IO.foreach(fname).with_object([]) do |l,a|
    if l.size > 1
      if complete
        a << l
        complete = false
      else
        a[-1] << l
      end
    else
      complete = true
    end
  end
end

str = "hello\nthere\n\nkind\n\n\npeople\nof\n\n\n\n\nstack\noverflow"
fname = 'tmp'
File.write(fname, str)

paragraphs(fname)
  #=> ["hello\nthere\n", "kind\n", "people\nof\n", "stack\noverflow"]

这里介绍了非惰性方法：
File\u每行
都能完全满足您的需要。呃，我很确定它只读行而不读段落。@如果不打开它，只需将“\n\n”作为参数传递，这看起来是最简单的方法。问题：如果有两个以上的“\n”？分隔符基本上可以是任何东西，您甚至可以动态更改它。没有限制。它只读取一行，直到找到分隔符或EOF。下一个调用甚至可以是另一个单独的调用。如果该示例中有4个，您将得到一个空段落。对于前蟒蛇学家：“\n\n”！=”\n\n'@TheUnfunCat'\n\n'=“\\n\\n”单引号将反斜杠视为文字
def paragraphs(fname)
  complete = true
  IO.foreach(fname).with_object([]) do |l,a|
    if l.size > 1
      if complete
        a << l
        complete = false
      else
        a[-1] << l
      end
    else
      complete = true
    end
  end
end

str = "hello\nthere\n\nkind\n\n\npeople\nof\n\n\n\n\nstack\noverflow"
fname = 'tmp'
File.write(fname, str)

paragraphs(fname)
  #=> ["hello\nthere\n", "kind\n", "people\nof\n", "stack\noverflow"]