一道文本处理题目的思考

在网上碰到有网友问了这么一道题，题目是这样的：

java 写入txt文件,想要修改txt文件每一行的第一个数字，加1；
例如txt文件是：
1 1 5
2 2 10
3 3 15

转变成：
2 1 5
3 2 10
4 3 15

看到题目的第一反应时可能需要正则表达式，而在java中使用raplaceAll("正则表达式","替换后的表达式")基本上就可以搞定了。但是有一个问题：正则匹配很好写，reg = "^\\d+";就可以匹配每行的第一个数字了，但是替换成什么呢？需要对每个数字加1，这个怎么处理？使用捕获组可以获取我们需要处理的数据，但是捕获后，无法进一步处理数据了。此条路不通之后，很不情愿的想起另外一种办法：按行处理。

扫描需要处理的文本，每扫描一行，就对该行进行匹配，匹配到数据之后，对该行处理，然后将该行写入到新的文件，整个文本扫描完成之后，数据也就处理完了。这个办法是不是很笨拙？对于目前也没有更好的方式（更好的方式也许可以使用excel来处理，但是要求使用编程来完成），就开始代码实现了：

// code version 1.0

开始写代码时，发现数据之间都是以多个空格或者tab来分割，方便期间，使用split函数来处理吧。

[align=left] // java 解析文本，将每行第一个数字加1[/align]

[align=left] public static void writeFile() {[/align]
[align=left] BufferedReader reader = null;[/align]
[align=left] BufferedWriter writer = null;[/align]
[align=left] try{[/align]
[align=left] File file = new File( "new.txt");[/align]
[align=left] if(!file.exists()) {[/align]
[align=left] file.createNewFile();[/align]
[align=left] }[/align]
[align=left] StringBuffer sb = new StringBuffer();[/align]
[align=left] reader = new BufferedReader( new FileReader("test.txt"));[/align]
[align=left] String line = null;[/align]
[align=left] //按行读取[/align]
[align=left] while((line = reader.readLine()) != null) {[/align]
[align=left] String[] arr = line.split( "[ \t]++");[/align]
[align=left] if(arr. length < 3) {[/align]
[align=left] sb.append(line).append( "\r\n");[/align]
[align=left] continue;[/align]
[align=left] }[/align]
[align=left] //获取第一个数字，并加1[/align]
[align=left] int num = Integer. valueOf(arr[0]);[/align]
[align=left] num ++;[/align]
[align=left] sb.append(num).append( "\t").append(arr[1]).append( "\t").append(arr[2]).append( "\r\n");[/align]
[align=left] }[/align]
[align=left] [/align]
[align=left] //写入新的文件[/align]
[align=left] writer = new BufferedWriter( new FileWriter(file));[/align]
[align=left] writer.write(sb.toString());[/align]
[align=left] [/align]
[align=left] } catch (IOException e) {[/align]
[align=left] e.printStackTrace();[/align]
[align=left] } finally {[/align]
[align=left] if(reader != null) {[/align]
[align=left] try {[/align]
[align=left] reader.close();[/align]
[align=left] } catch (IOException e) {[/align]
[align=left] // TODO Auto-generated catch block[/align]
[align=left] e.printStackTrace();[/align]
[align=left] }[/align]
[align=left] }[/align]
[align=left] if(writer != null) {[/align]
[align=left] try {[/align]
[align=left] writer.close();[/align]
[align=left] } catch (IOException e) {[/align]
[align=left] // TODO Auto-generated catch block[/align]
[align=left] e.printStackTrace();[/align]
[align=left] }[/align]
[align=left] }[/align]
[align=left] }[/align]
[align=left] [/align]
[align=left] }[/align]

代码写起来还是很顺利的，但是有个问题，在数据处理完成之后：

[align=left]int num = Integer.valueOf(arr[0]);[/align]
[align=left]num ++;[/align]

[align=left]怎么把新的内容写入到当前行中，也就是写入当前的文本中？处理数据的时候是通过reader来按行读取，如果需要将数据写入的话，需要writer，在读取文件的时候，直接使用writer写入数据，也不是件很容易的事。为了方便处理，果断建立一个新的文件，写入新的数据，处理完之后，删掉旧的文件就是！[/align]
[align=left] [/align]
[align=left]代码实现之后，就跟一个朋友商讨了下，朋友说，可以使用正则来完成，split的效率有点低。OK，把主要的处理过程重新实现了下：[/align]
[align=left]// code version 1.1[/align]
Pattern pattern = Pattern. compile("^\\d+" );
while(...) {

[align=left] Matcher matcher = pattern .matcher(line);[/align]
[align=left] if(matcher.find()) {[/align]
[align=left] String str = matcher.group();[/align]
[align=left] int n = Integer.parseInt(str);[/align]
[align=left] n ++;[/align]
[align=left] line = line.replaceFirst(str, String.valueOf(n));[/align]
[align=left] sb.append(line).append( "\r\n");[/align]
[align=left] }[/align]

[align=left] } [/align]

除了将split修改为Pattern之后，同时，行数据也保持原来的风格保持了不变：
line = line.replaceFirst(str, String.valueOf(n));

但是为什么Pattern会比split的效率高呢？
split的实现中，会调用Pattern.compile("...");也就是在对文本每行的处理中，如果使用split，则每次都会新建一个Pattern.compile("...")对象。而在使用Pattern类，只在最开始生成一个Pattern.compile("...")对象，减少了内存的开销;

一个前辈说，不需要正则，使用indexOf和substring可以提高效率。同时，他建议不要使用BufferedWriter,应当使用printStream。
恩，开始修改代码：

// code version 1.2

[align=left] public static void writeFile() throws IOException {[/align]
[align=left] BufferedReader reader = null;[/align]
[align=left] PrintStream writer = null;[/align]
[align=left] [/align]
[align=left] File file = new File( "new.txt");[/align]
[align=left] if(!file.exists()) {[/align]
[align=left] file.createNewFile();[/align]
[align=left] }[/align]
[align=left] writer = new PrintStream( new FileOutputStream(file));[/align]
[align=left] reader = new BufferedReader( new FileReader("test.txt" ));[/align]
[align=left] String line = null;[/align]
[align=left] //按行读取[/align]
[align=left] while((line = reader.readLine()) != null) {[/align]
[align=left] //这里通过index来确定需要处理的数据[/align]
[align=left] int index = line.indexOf( " ");[/align]
[align=left] if(index == -1) {[/align]
[align=left] continue;[/align]
[align=left] }[/align]
[align=left] int num = Integer.parseInt(line.substring(0,index))+1;[/align]
[align=left] line = num + line.substring(index);[/align]
[align=left] writer.println(line);[/align]
[align=left] }[/align]
[align=left] // ....[/align]
[align=left] [/align]
[align=left] }[/align]

使用indexOf和substring 替换掉正则之后，逻辑似乎也清晰了许多，由于去掉了正则表达式的一些处理，直接对字符串处理，效率上应该会有一些提高。但是使用PrintStream 替换掉BufferedWriter是不是就是个好主意？不见得，BufferedWriter作为一个具有缓冲功能的包装类，性能上比其他类要高很多。而且在处理文本时，每处理一行，就向文件中写入数据，这个性能也不见得很高。权衡之际，提高处理数据效率，使用indexOf和substring，写文件时，采用BufferedWriter将数据写入缓冲，提高效率。

// code version 1.3

[align=left] public static void writeFile() throws IOException {[/align]
[align=left] BufferedReader reader = null;[/align]
[align=left] BufferedWriter writer = null;[/align]
[align=left] [/align]
[align=left] writer = new BufferedWriter( new FileWriter("new.txt" ));[/align]
[align=left] reader = new BufferedReader( new FileReader("test.txt" ));[/align]
[align=left] String line = null;[/align]
[align=left] //按行读取[/align]
[align=left] while((line = reader.readLine()) != null) {[/align]
[align=left] //这里通过index来确定需要处理的数据[/align]
[align=left] int index = line.indexOf( " ");[/align]
[align=left] if(index == -1) {[/align]
[align=left] continue;[/align]
[align=left] }[/align]
[align=left] int num = Integer.parseInt(line.substring(0,index))+1;[/align]
[align=left] line = num + line.substring(index);[/align]
[align=left] writer.write(line);[/align]
[align=left] writer.newLine();[/align]
[align=left] }[/align]
[align=left] [/align]
[align=left] //...[/align]
[align=left] }[/align]

[align=left] [/align]
[align=left]到此，关于该题目的编码总算尘埃落定。期间，经历了几番波折，从split->Pattern->indexOf再到流的选取，纠结了较长时间。总结一下：[/align]
[align=left] [/align]
[align=left]1、尽量不要使用正则表达式，可以使用indexOf和substring来代替正则；必须使用正则的情况下，使用Pattern类能够提高效率。[/align]
[align=left]2、使用Buffer之类的包装类，可以提高效率。[/align]
[align=left] [/align]
[align=left]但是，还是有几个问题留作以后慢慢考虑吧。[/align]
[align=left]1、直接使用正则或者是否还有其他更简单的处理方式么？[/align]
[align=left]2、如何直接写入到当前的文件中？[/align]