Sep:一个低内存、高性能的CSV文件读写操作.Net开源库
|
admin
2024年9月19日 1:42
本文热度 584
|
一个号称最高性能的CSV文件读写操作库,支持AOT/NativeAOT。
01
项目简介
Sep 是一个高性能的 .NET CSV 解析器,具备快速、现代、简洁且高效的数据处理能力。
先进特性:采用 .NET 7+ 和 C# 11+ 的先进特性,例如 Span<T>、泛型数学接口(ISpanParsable<T>/ISpanFormattable)、ref struct、ArrayPool<T> 等,打造了一个现代且高效的实现方式。
简洁API:提供了一个简洁而富有表现力的 API,选项精简,对输入输出的处理透明无隐藏。你看到什么就得到什么。例如,它默认不会自动处理引号的转义/取消转义。
极速性能:通过架构特定和跨平台的 SIMD 矢量化解析技术,支持 64/128/256/512 位路径(如 AVX2、AVX-512(.NET 8.0+)、NEON),实现极速处理。利用 csFastFloat 快速解析浮点数。高效地逐行读取或写入数据,并有详尽的基准测试验证其性能。
多线程加速:通过高效的并行 CSV 解析技术,实现超快速度,比 CsvHelper 快达 35 倍。
低内存占用:智能高效的内存管理策略,在预热后实现零内存分配,包括轻松读取或写入值数组(如特征数据)而无需重复分配内存。
全面测试保障:拥有广泛的代码覆盖率,专注于边缘情况的测试,包括随机模糊测试,确保数据处理的准确性和稳定性。
跨平台兼容:支持 .NET 支持的所有平台和架构,100% 托管,采用现代 C# 编写,代码优美。
可修剪且兼容 AOT/NativeAOT:无反射或动态代码生成,确保完全可修剪且与提前编译(Ahead-of-Time)兼容。简单的控制台测试程序,可执行文件体积小,仅几 MB。
实用主义:遵循 RFC-4180 的核心原则,但在引用和行结束处理上采取实用主义方法。
02
使用方法
简单示例代码
using nietras.SeparatedValues;
// 指定CSV文件的路径
string filePath = "file.csv";
// 使用Sep库创建一个CSV读取器,从文件中读取数据
using var reader = Sep.Reader().FromFile(filePath);
// 遍历CSV文件中的每一行
foreach (var readRow in reader)
{
// 假设我们知道CSV文件的列结构,可以直接通过列名访问数据
string columnA = readRow["A"].ToString();
string columnB = readRow["B"].ToString();
int columnC = readRow["C"].Parse<int>();
double columnD = readRow["D"].Parse<double>();
// 处理每一行的数据
Console.WriteLine($"A: {columnA}, B: {columnB}, C: {columnC}, D: {columnD}");
}
格式化示例代码
using nietras.SeparatedValues;
// 定义一个多行字符串,表示一个CSV格式的数据。
var text = """
A;B;C;D;E;F
Sep;??;1;1.2;0.1;0.5
CSV;?;2;2.2;0.2;1.5
""";
// 使用Sep库创建一个CSV读取器,自动从标题行推断分隔符。
using var reader = Sep.Reader().FromText(text);
// 根据读取器的规格创建一个写入器,准备将数据写入文本。
using var writer = reader.Spec.Writer().ToText();
// 获取列"B"在标题中的索引位置。
var idx = reader.Header.IndexOf("B");
// 定义一个包含列名的数组。
var nms = new[] { "E", "F" };
// 遍历读取器中的每一行数据。
foreach (var readRow in reader)
{
// 将列"A"读取为只读的字符跨度。
var a = readRow["A"].Span;
// 将列"B"的值转换为字符串。
var b = readRow[idx].ToString();
// 将列"C"的值解析为整数。
var c = readRow["C"].Parse<int>();
// 将列"D"的值解析为浮点数,使用csFastFloat库进行快速解析。
var d = readRow["D"].Parse<float>();
// 将列"E"和"F"的值解析为双精度浮点数的跨度。
var s = readRow[nms].Parse<double>();
// 遍历解析后的数值,并将每个值乘以10。
foreach (ref var v in s) { v *= 10; }
// 开始写入新一行数据,行数据在Dispose时写入。
using var writeRow = writer.NewRow();
// 通过只读的字符跨度设置列"A"的值。
writeRow["A"].Set(a);
// 通过字符串设置列"B"的值。
writeRow["B"].Set(b);
// 通过插值字符串处理器设置列"C"的值,不会产生新的内存分配。
writeRow["C"].Set($"{c * 2}");
// 格式化列"D"的值,将数值除以2。
writeRow["D"].Format(d / 2);
// 直接格式化多个列的值。
writeRow[nms].Format(s);
}
Console.WriteLine(writer.ToString());
03
项目地址
https://github.com/nietras/Sep
该文章在 2024/9/19 16:19:10 编辑过